IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBORS PADA APLIKASI PREDIKSI KELAYAKAN CALON NASABAH

Abstract

Perkembangan teknologi informasi dalam sektor keuangan mendorong lembaga pembiayaan untuk memanfaatkan teknologi berbasis data dalam proses pengambilan keputusan, khususnya pada penentuan kelayakan calon nasabah. Proses seleksi yang dilakukan secara manual sering kali membutuhkan waktu yang lama dan berpotensi menimbulkan subjektivitas dalam penilaian. Penelitian ini bertujuan untuk mengimplementasikan algoritma K-Nearest Neighbors (K-NN) pada aplikasi prediksi kelayakan calon nasabah guna membantu proses klasifikasi secara lebih cepat dan objektif. Penelitian menggunakan atribut umur, pendapatan, status pekerjaan, lama kerja, dan status rumah sebagai parameter penilaian, sedangkan kelas keluaran berupa status kelayakan nasabah. Metode penelitian meliputi tahap pengumpulan data, preprocessing data, penerapan algoritma K-NN, serta pengujian performa model menggunakan metrik evaluasi F1-Score. Aplikasi dikembangkan menggunakan bahasa pemrograman Python untuk mempermudah proses pengolahan data dan implementasi sistem prediksi. Hasil pengujian menunjukkan bahwa algoritma KNN mampu melakukan klasifikasi kelayakan calon nasabah dengan nilai F1-Score sebesar 80%, sehingga metode ini dinilai cukup baik dalam mendukung proses pengambilan keputusan pada lembaga keuangan. Penelitian ini diharapkan dapat menjadi solusi alternatif dalam meningkatkan efektivitas dan akurasi proses seleksi calon nasabah.