<![CDATA[Koperasi simpan pinjam menghadapi permasalahan tingginya risiko kredit macet akibat proses penilaian kelayakan nasabah yang masih dilakukan secara manual dan bersifat subjektif, sehingga koperasi kesulitan mengidentifikasi potensi gagal bayar sejak dini. Penelitian ini bertujuan merancang dan mengimplementasikan aplikasi prediksi kemampuan bayar nasabah berbasis web pada Koperasi Simpan Pinjam Usaha Putra Way Kanan menggunakan algoritma Support Vector Machine (SVM) dengan kernel Radial Basis Function (RBF), yang diintegrasikan ke dalam sistem informasi simpan pinjam berbasis PHP dan MySQL. Kebaruan penelitian ini terletak pada integrasi langsung model SVM ke dalam sistem informasi operasional koperasi, sehingga hasil prediksi dapat digunakan secara real-time oleh pengurus sebagai alat bantu keputusan kredit—sebuah pendekatan yang belum ditemukan pada penelitian SVM kredit koperasi sebelumnya. Penelitian menggunakan 100 data historis nasabah dengan atribut umur, pekerjaan, penghasilan, jumlah pinjaman, dan tenor, yang dibagi dengan rasio 80:20 untuk pelatihan dan pengujian. Hasil pengujian model SVM menunjukkan akurasi sebesar 87,5%, dengan nilai presisi 88,9%, recall 85,7%, dan F1-score 87,3% pada data uji. Seluruh fitur utama sistem, meliputi manajemen data nasabah, proses prediksi SVM, dan pelaporan hasil, telah berjalan sesuai spesifikasi fungsional. Sistem yang dikembangkan berhasil menggantikan proses penilaian manual, meningkatkan efisiensi pengelolaan data kredit, dan menyediakan prediksi risiko nasabah secara otomatis dan terukur, sehingga berpotensi menekan angka kredit macet pada koperasi simpan pinjam skala kecil dan menengah. ]]>
