Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Indonesian Journal of Informatic Research and Software Engineering
Zuhdi, Hamzah Naufal
Unknown Affiliation
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Penerapan Algoritma K-Nearest Neighbors dalam Evaluasi Kelayakan Kredit: Studi Kasus pada Bank ABC : The Application of K-Nearest Neighbors Algorithm in Creditworthiness Evaluation: A Case Study on Bank ABC Zuhdi, Hamzah Naufal; Prasetyo, Budi
Indonesian Journal of Informatic Research and Software Engineering (IJIRSE) Vol. 4 No. 1 (2024): Indonesian Journal of Informatic Research and Software Engineering
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/ijirse.v4i1.1343

Abstract

Dalam era digital yang terus berkembang, teknologi telah menjadi tulang punggung bagi banyak sektor, termasuk sektor perbankan. Salah satu tantangan utama yang dihadapi oleh sektor perbankan adalah evaluasi kelayakan kredit. Evaluasi ini merupakan proses penting yang menentukan apakah seorang nasabah layak menerima kredit atau tidak. Salah satu metode yang dapat digunakan untuk membantu proses ini adalah algoritma K-Nearest Neighbors (KNN). Artikel ini membahas penerapan algoritma K-Nearest Neighbors dalam evaluasi kelayakan kredit, dengan studi kasus pada Bank ABC. Studi ini bertujuan untuk menjelajahi penerapan algoritma KNN dalam evaluasi kelayakan kredit, dengan fokus pada penggunaan teknologi untuk meningkatkan proses evaluasi kredit. Dengan memahami tantangan yang dihadapi oleh sektor perbankan dan potensi solusi teknologi seperti algoritma KNN, penelitian ini diharapkan dapat memberikan wawasan berharga bagi praktisi industri perbankan dan para peneliti di bidang data science. Dari hasil pengujian dengan variasi nilai K, didapatkan bahwa model memiliki akurasi sekitar 93,33% - 95,00%. terdapat sedikit perbedaan dalam akurasi antara nilai K yang berbeda, namun secara umum model KNN menunjukkan kinerja yang baik dalam mengklasifikasikan nasabah berdasarkan kelayakan kredit
Co-Authors Budi Prasetyo