DATA MINING KLASIFIKASI NASABAH DALAM PENGAJUAN KREDIT TANPA AGUNAN DENGAN ALGORITMA K-NEAREST NEIGHBOR (STUDI KASUS: PT. BPR DIORI GANDA)

Abstract

Kredit tanpa agunan menjadi pilihan masayrakat untuk melakukan peminjaman terhadapa perbankan yang
menyediakan layanan tersebut. PT. BPR Diori Ganda adalah perusahaan perbankan swasta daerah yang
melayani simpan pinjam dan kredit tanpa agunan bagi masyarakat. Pengajuan kredit tanpa agunan harus
melalui tim assessor untuk proses analisa atribut-atribut yang mempengaruhi klasifikasi nasabah agar kredit
dapat disetujui, yang kemudian hasil analisa di serahkan ke komisaris untuk persetujuan kredit. Namun
bagaimana jika yang mengajukan kredit pada hari yang sama dalam jumlah yang banyak, tentu hal ini akan
membuat proses analisa dan persetujuan kredit akan membutuhkan waktu yang lama. Jika diilihat dari
banyaknya kebutuan masyarakat untuk mengajukan kredit tanpa agunan maka dibutuhkan aplikasi prediksi
klasifikasi, guna untuk mempermudah pekerjaan tim assessor dalam proses analisa atribut-atribut yang
mempengaruhi klasifikasi nasabah. Untuk mengetahui prediksi klasifikasi nasabah yang mengajukan kredit
tanpa agunan menggunakan data mining dengan algoritma K-Nearest Neighbor. Hasil dari penelitan ini adalah
prediksi klasifikasi nasabah bermasalah atau tidak bermasalah intuk pengajuan kredit tanpa agunan.