KLASIFIKASI PENERIMA DANA PINJAMAN PADA KOPERASI SEHATI MENGGUNAKAN ALGORITMA KNN

achmad seprianto; A Taqwa Martadinata; Novi Lestari

[1] F. Fadillah Hermawan and Y. Yamasari, “Implementasi K-Nearest Neighbor dengan Pemilihan Fitur pada Aplikasi Prediksi Kelayakan Pengajuan Pinjaman,” Journal of Informatics and Computer Science, vol. 03, 2022.
[2] Z. Sidik, “KLASIFIKASI KELANCARAN KREDIT FURNITURE MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR BERBASIS
FORWARD SELECTION.”
[3] R. L. Hasanah, M. Hasan, W. E. Pangesti, F. F. Wati, and W. Gata,
“KLASIFIKASI PENERIMA DANA BANTUAN DESA MENGGUNAKAN METODE KNN (K-NEAREST NEIGHBOR),” Jurnal Techno Nusa Mandiri, vol. 16, no. 1, pp. 1–6, Mar. 2019, doi: 10.33480/techno.v16i1.25.
[4] Y. S. Ambar, “Penerapan Algoritma K-Nearest Neighbour Dalam Menentukan Pembinaan Koperasi Kabupaten Kotawaringin Timur Application of K-NN Algorithm in Determining Co-operative Development in East Kotawaringin Regency,” 2019.
[5] B. Harpad and T. Bustomi, “Prediksi Pengajuan Kredit Usaha Pada Koperasi Menggunakan Algoritma K-Nearest Neighbor,” Building of Informatics, Technology and Science (BITS), vol. 4, no. 1, Jun. 2022, doi: 10.47065/bits.v4i1.1626.

Abstract viewed - 4 times
PDF downloaded - 2 times

Affiliations

achmad seprianto
universitas bina insan

A Taqwa Martadinata
Universitas Bina Insan

Novi Lestari
Universitas Bina Insan

Content Top

KLASIFIKASI PENERIMA DANA PINJAMAN PADA KOPERASI SEHATI MENGGUNAKAN ALGORITMA KNN

achmad seprianto ,
A Taqwa Martadinata ,
Novi Lestari

Proceedings Economic, Social Science, Computer, Agriculture and Fisheries (ESCAF) 4th 2025

Submitted: Jan 31, 2025

Abstract

Abstrak

Penilaian kelayakan penerima pinjaman merupakan tantangan utama dalam koperasi simpan pinjam, termasuk Koperasi Sehati, yang menghadapi risiko gagal bayar akibat sistem analisis kredit yang kurang efektif. Saat ini, metode tradisional berbasis wawancara dan intuisi masih dominan digunakan, yang cenderung subjektif dan tidak memanfaatkan data historis secara optimal. Di era digital, teknologi pembelajaran mesin seperti algoritma K-Nearest Neighbors (KNN) menawarkan solusi untuk meningkatkan akurasi penilaian risiko kredit. KNN, dengan pendekatannya yang sederhana namun efektif, mampu mengklasifikasikan calon penerima pinjaman berdasarkan atribut tertentu, seperti pendapatan dan riwayat pinjaman. Penelitian ini bertujuan mengembangkan sistem berbasis KNN untuk mendukung proses pengambilan keputusan di Koperasi Sehati. Dengan pendekatan ini, diharapkan tingkat akurasi dalam penilaian kredit meningkat, risiko gagal bayar berkurang, serta efisiensi operasional koperasi dapat dioptimalkan.

Kata kunci : Koperasi Simpan Pinjam, Penilaian Kelayakan Kredit, Risiko Gagal Bayar, Pembelajaran Mesin, Algoritma K-Nearest Neighbors (KNN).

Abstract

Loan eligibility assessment is a major challenge for savings and loan cooperatives, including Koperasi Sehati, which faces default risks due to ineffective credit analysis systems. Currently, traditional methods based on interviews and intuition are predominantly used, which tend to be subjective and fail to utilize historical data optimally. In the digital era, machine learning technologies such as the K-Nearest Neighbors (KNN) algorithm offer solutions to improve credit risk assessment accuracy. KNN, with its simple yet effective approach, can classify loan applicants based on specific attributes, such as income and loan history. This study aims to develop a KNN-based system to support decision-making processes in Koperasi Sehati. This approach is expected to enhance the accuracy of credit assessment, reduce default risks, and optimize the cooperative's operational efficiency.

Keywords: Savings and Loan Cooperative, Credit Eligibility Assessment, Default Risk, Machine Learning, K-Nearest Neighbors Algorithm (KNN).