Perbandingan Algoritma KNN (K-Nearest Neighbors), Naïve Bayes, Dan SVM (Support Vector Machine) Untuk Klasifikasi Pemberian Pinjaman Nasabah

Abstrak

Jurnal ini meneliti penggunaan algoritma klasifikasi seperti KNearest Neighbors (KNN), Naïve Bayes,
dan Support Vector Machines (SVM) dalam pemberian pinjaman kepada nasabah. Metode ini
digunakan untuk meningkatkan keandalan dan akurasi sistem evaluasi risiko kredit. Metodologi
eksperimen melibatkan dataset yang mengandung variabel yang berkaitan dengan sejarah kredit,
pendapatan, dan faktor risiko lainnya. Hasil penelitian menunjukkan bahwa algoritma KNN mencapai
tingkat akurasi yang signifikan dalam mengidentifikasi profil risiko nasabah. Di sisi lain, Naive Bayes
berhasil menangani data dengan ketergantungan antar variabel, dan SVM memberikan hasil yang
konsisten dalam menangani dataset yang kompleks.
Penelitian ini mengeksplorasi manfaat dan kekurangan masing-masing algoritma untuk membantu
membangun sistem pengambilan keputusan yang lebih baik untuk pemberian pinjaman nasabah.
Kata kunci : KNN, Naïve Bayes, SVM, Pinjaman Nasabah.