Perbandingan Algoritma KNN (K-Nearest Neighbors), Naïve Bayes, Dan SVM (Support Vector Machine) Untuk Klasifikasi Pemberian Pinjaman Nasabah
Keywords:
KNN, Naïve Bayes, SVM, Customer Loans.
Abstract
Abstract
This journal examines the use of classification algorithms such as K-Nearest Neighbors (KNN), Naive
Bayes, and Support Vector Machines (SVM) in providing loans to customers. This method is used to
increase the reliability and accuracy of the credit risk evaluation system. The experimental
methodology involves a dataset containing variables related to credit history, income, and other risk
factors. The research results show that the KNN algorithm achieves a significant level of accuracy in
identifying customer risk profiles. On the other hand, Naive Bayes successfully handles data with
dependencies between variables, and SVM provides consistent results in handling complex datasets.
This research explores the benefits and drawbacks of each algorithm to help build a better decisionmaking system for customer lending.
Keywords: KNN, Naïve Bayes, SVM, Customer Loans.
Downloads
Download data is not yet available.
References
S. Muhammad, M. Abdurahman, and M. H. Abdullah, “Sistem Informasi Pengkreditan
Nasabah Pada Koperasi Simpan Pinjam Sejahtera Baru Kota Ternate Berbasis Web,” J. Ilm.
Ilk. - J. Ilmu Komput. dan Inform., vol. 2, no. 1, pp. 11–23, 2019, doi:
10.47324/ilkominfo.v2i1.16.
[2] M. F. Husni, R. Ramlah, B. Krisnanto, M. Rizal, and M. Mirna, “Pengaruh Kualitas Layanan
Dan Kemudahan Mobile Banking Terhadap Kepuasan Nasabah Pt. Bank Syariah
Indonesia.Tbk Regional Office X Makassar,” Jursima, vol. 11, no. 2, pp. 242–256, 2023, doi:
10.47024/js.v11i2.592.
[3] A. Y. Hoar, S. Amsikan, and S. Nahak, “Analisis Kesalahan Siswa dalam Menyelesaikan Soal
Cerita Perbandingan,” MATH-EDU J. Ilmu Pendidik. Mat., vol. 6, no. 1, pp. 1–7, 2021,
[Online]. Available: http://jurnal.unimor.ac.id/JIPM/article/view/1091
[4] R. R. Wijayanti and A. Abdurrasyid, “Perhitungan Estimasi Waktu Pada Produksi Barang
Dengan Menerapkan Algoritma Naive Bayes Klasifkasi (Studi Kasus Pt. Hasil Raya
Industries),” JIKA (Jurnal Inform., vol. 5, no. 1, p. 109, 2021, doi: 10.31000/jika.v5i1.4126.
[5] N. Syahidan, S. Rati, S. Lubis, and N. Fadillah, “Klasifikasi Tanaman Aglaonema
Menggunakan Fitur Ekstraksi Gray Level Co-Occurrence Matrix Dan K-Nearest Neighbor,” JICOM - J. Inform. dan Teknol. Komput., vol. 1, no. 2, pp. 58–63, 2020, doi: 10.33059/jicom.v1i2.2770.
[6] M. I. Afandi and N. Nurhayati, “Implementasi Algoritma Vigenere Cipher dan Atbash Cipher
Untuk Keamanan Teks Pada Aplikasi Catatan Berbasis Android,” It (Informatic Tech. J., vol.
8, no. 1, p. 30, 2021, doi: 10.22303/it.8.1.2020.30-41.
[7] Z. Razi, “PINJAMAN PADA BSI CABANG SIGLI MENGGUNAKAN METODE
COMPLEX PROPORTIONAL ACCESSMENT ( COPRAS ) BERBASIS WEB,” vol. 1, pp.
30–40, 2023.
[8] S. Mardiyati, A. Khoir Rahman, and Y. Nugraha, “Perancangan Sistem Informasi Penjualan
barang Berupa Alat Music Di Toko Martmusic,” J. Inov. Inform., vol. 7, no. 1, pp. 86–95,
2022, doi: 10.51170/jii.v7i1.214.
[9] N. Ailmi, Z. Saharuna, and E. Tungadi, “Metode Klasifikasi Pada Aplikasi Pendukung
Keputusan Untuk Pemilihan Unit Kegiatan Mahasiswa,” Pros. Semin. Nas. Tek. Elektro dan
Inform. 2020, pp. 142–147, 2020.
[10] N. Ananda and R. A. Aras, “Clustering Pengeluaran Tahunan Berbagai Macam Produk
Menggunakan Metode K-Means,” Semin. Nas. Sains dan Teknol. Inf. SENSASI 2021, pp. 143–
147, 2021.
[11] A. H. Ardiansyah, W. Nugroho, N. H. Alfiyah, R. A. Handoko, and M. A. Bakhtiar,
“Penerapan Data Mining Menggunakan Metode Clustering untuk Menentukan Status Provinsi
di Indonesia 2020,” pp. 329–333, 2020.
[12] H. A. Putra and A. Arista, “Jurnal Comasie PERMODELAN STRUKTUR MATERIAL,” vol.
3, pp. 94–101, 2020.
[13] T. Hidayat, Y. Handayani, and A. Syaifudin, “Implementasi Algoritma K-Nearest Neighbor
Untuk Meningkatkan Penjualan Produk Meuble Dan Furniture,” vol. 9, no. 2, pp. 118–124,
2023.
[14] S. K. P. Loka and A. Marsal, “Perbandingan Algoritma K-Nearest Neighbor dan Naïve Bayes
Classifier untuk Klasifikasi Status Gizi Pada Balita,” MALCOM Indones. J. Mach. Learn.
Comput. Sci., vol. 3, no. 1, pp. 8–14, 2023, doi: 10.57152/malcom.v3i1.474.
[15] E. Fitriani, “Perbandingan Algoritma C4.5 Dan Naïve Bayes Untuk Menentukan Kelayakan
Penerima Bantuan Program Keluarga Harapan,” Sistemasi, vol. 9, no. 1, p. 103, 2020, doi:
10.32520/stmsi.v9i1.596.
[16] W. D. Prasetya and B. Sujatmiko, “Rancang Bangun Aplikasi dengan Perbandingan Metode
K-Nearest Neighbor (KNN) dan Naive Bayes dalam Klasifikasi Penderita Penyakit Diabetes,”
J. Informatics Comput. Sci., vol. 3, no. 04, pp. 515–525, 2022, doi:
10.26740/jinacs.v3n04.p515-525.
[17] Y. V. Wijaya, A. Erfina, and C. Warman, “Analisis Sentimen Seputar UU ITE Menggunakan
Algoritma Support Vector Machine,” Progresif J. Ilm. Komput., vol. 17, no. 2, p. 1, 2021, doi:
10.35889/progresif.v17i2.644.
[18] N. G. Ramadhan and A. Khoirunnisa, “Klasifikasi Data Malaria Menggunakan Metode
Support Vector Machine,” J. Media Inform. Budidarma, vol. 5, no. 4, p. 1580, 2021, doi:
10.30865/mib.v5i4.3347.
Nasabah Pada Koperasi Simpan Pinjam Sejahtera Baru Kota Ternate Berbasis Web,” J. Ilm.
Ilk. - J. Ilmu Komput. dan Inform., vol. 2, no. 1, pp. 11–23, 2019, doi:
10.47324/ilkominfo.v2i1.16.
[2] M. F. Husni, R. Ramlah, B. Krisnanto, M. Rizal, and M. Mirna, “Pengaruh Kualitas Layanan
Dan Kemudahan Mobile Banking Terhadap Kepuasan Nasabah Pt. Bank Syariah
Indonesia.Tbk Regional Office X Makassar,” Jursima, vol. 11, no. 2, pp. 242–256, 2023, doi:
10.47024/js.v11i2.592.
[3] A. Y. Hoar, S. Amsikan, and S. Nahak, “Analisis Kesalahan Siswa dalam Menyelesaikan Soal
Cerita Perbandingan,” MATH-EDU J. Ilmu Pendidik. Mat., vol. 6, no. 1, pp. 1–7, 2021,
[Online]. Available: http://jurnal.unimor.ac.id/JIPM/article/view/1091
[4] R. R. Wijayanti and A. Abdurrasyid, “Perhitungan Estimasi Waktu Pada Produksi Barang
Dengan Menerapkan Algoritma Naive Bayes Klasifkasi (Studi Kasus Pt. Hasil Raya
Industries),” JIKA (Jurnal Inform., vol. 5, no. 1, p. 109, 2021, doi: 10.31000/jika.v5i1.4126.
[5] N. Syahidan, S. Rati, S. Lubis, and N. Fadillah, “Klasifikasi Tanaman Aglaonema
Menggunakan Fitur Ekstraksi Gray Level Co-Occurrence Matrix Dan K-Nearest Neighbor,” JICOM - J. Inform. dan Teknol. Komput., vol. 1, no. 2, pp. 58–63, 2020, doi: 10.33059/jicom.v1i2.2770.
[6] M. I. Afandi and N. Nurhayati, “Implementasi Algoritma Vigenere Cipher dan Atbash Cipher
Untuk Keamanan Teks Pada Aplikasi Catatan Berbasis Android,” It (Informatic Tech. J., vol.
8, no. 1, p. 30, 2021, doi: 10.22303/it.8.1.2020.30-41.
[7] Z. Razi, “PINJAMAN PADA BSI CABANG SIGLI MENGGUNAKAN METODE
COMPLEX PROPORTIONAL ACCESSMENT ( COPRAS ) BERBASIS WEB,” vol. 1, pp.
30–40, 2023.
[8] S. Mardiyati, A. Khoir Rahman, and Y. Nugraha, “Perancangan Sistem Informasi Penjualan
barang Berupa Alat Music Di Toko Martmusic,” J. Inov. Inform., vol. 7, no. 1, pp. 86–95,
2022, doi: 10.51170/jii.v7i1.214.
[9] N. Ailmi, Z. Saharuna, and E. Tungadi, “Metode Klasifikasi Pada Aplikasi Pendukung
Keputusan Untuk Pemilihan Unit Kegiatan Mahasiswa,” Pros. Semin. Nas. Tek. Elektro dan
Inform. 2020, pp. 142–147, 2020.
[10] N. Ananda and R. A. Aras, “Clustering Pengeluaran Tahunan Berbagai Macam Produk
Menggunakan Metode K-Means,” Semin. Nas. Sains dan Teknol. Inf. SENSASI 2021, pp. 143–
147, 2021.
[11] A. H. Ardiansyah, W. Nugroho, N. H. Alfiyah, R. A. Handoko, and M. A. Bakhtiar,
“Penerapan Data Mining Menggunakan Metode Clustering untuk Menentukan Status Provinsi
di Indonesia 2020,” pp. 329–333, 2020.
[12] H. A. Putra and A. Arista, “Jurnal Comasie PERMODELAN STRUKTUR MATERIAL,” vol.
3, pp. 94–101, 2020.
[13] T. Hidayat, Y. Handayani, and A. Syaifudin, “Implementasi Algoritma K-Nearest Neighbor
Untuk Meningkatkan Penjualan Produk Meuble Dan Furniture,” vol. 9, no. 2, pp. 118–124,
2023.
[14] S. K. P. Loka and A. Marsal, “Perbandingan Algoritma K-Nearest Neighbor dan Naïve Bayes
Classifier untuk Klasifikasi Status Gizi Pada Balita,” MALCOM Indones. J. Mach. Learn.
Comput. Sci., vol. 3, no. 1, pp. 8–14, 2023, doi: 10.57152/malcom.v3i1.474.
[15] E. Fitriani, “Perbandingan Algoritma C4.5 Dan Naïve Bayes Untuk Menentukan Kelayakan
Penerima Bantuan Program Keluarga Harapan,” Sistemasi, vol. 9, no. 1, p. 103, 2020, doi:
10.32520/stmsi.v9i1.596.
[16] W. D. Prasetya and B. Sujatmiko, “Rancang Bangun Aplikasi dengan Perbandingan Metode
K-Nearest Neighbor (KNN) dan Naive Bayes dalam Klasifikasi Penderita Penyakit Diabetes,”
J. Informatics Comput. Sci., vol. 3, no. 04, pp. 515–525, 2022, doi:
10.26740/jinacs.v3n04.p515-525.
[17] Y. V. Wijaya, A. Erfina, and C. Warman, “Analisis Sentimen Seputar UU ITE Menggunakan
Algoritma Support Vector Machine,” Progresif J. Ilm. Komput., vol. 17, no. 2, p. 1, 2021, doi:
10.35889/progresif.v17i2.644.
[18] N. G. Ramadhan and A. Khoirunnisa, “Klasifikasi Data Malaria Menggunakan Metode
Support Vector Machine,” J. Media Inform. Budidarma, vol. 5, no. 4, p. 1580, 2021, doi:
10.30865/mib.v5i4.3347.
Published
2024-04-14
How to Cite
zairi saputra, SupahriH. A., IsmanizanR., & RahmaddeniR. (2024). Perbandingan Algoritma KNN (K-Nearest Neighbors), Naïve Bayes, Dan SVM (Support Vector Machine) Untuk Klasifikasi Pemberian Pinjaman Nasabah. Jurnal Ilmiah Sistem Informasi Dan Teknik Informatika (JISTI), 7(1), 67-75. https://doi.org/10.57093/jisti.v7i1.182
Section
Articles
JISTI
