<![CDATA[Dalam era dinamika finansial yang cepat, manajemen kredit menjadi esensi utama bagi lembaga-lembaga finansial untuk menjaga kestabilan dan keseimbangan. Pengambilan keputusan yang tepat dalam pemberian kredit menjadi krusial, mengingat kompleksitas risiko yang terus berkembang. Meskipun sektor finansial telah mengadopsi berbagai metode evaluasi risiko kredit, masalah persisten terkait dengan ketidakpastian dan volatilitas pasar menyulitkan perusahaan untuk membuat keputusan kredit yang tepat waktu dan akurat. Dalam permasalahan tersebut, penelitian ini bertujuan mengeksplorasi dan menerapkan algoritma K-Nearest Neighbor (KNN) melalui pendekatan data mining untuk meningkatkan prediksi pemberian kredit. Implementasi K-Nearest Neighbor (KNN) dilakukan dengan tools rapidminer yang akan membantu dalam pelatihan model dan validasi prediksi. Pada penelitian yang telah dilakukan, implementasi algoritma K-Nearest Neighbor (KNN) pada dataset mendapatkan hasil accuracy sebesar 86.15%, precision sebesar 90.74%, dan recall sebesar 92.45%. Kemampuan algoritma untuk menangani pola non-linier dan kompleks menjadikan pilihan yang sangat baik untuk menangani dataset keuangan yang sering berfluktuasi. Maka, pemanfaatan data mining dengan KNN dapat meningkatkan efesiensi dan akurasi keputusan pemberian pinjaman, mengurangi risiko kredit dan meningkatkan pendapatan.]]>
Copyrights © 2024
