OPTIMASI k-Nearst-Neighbor (k-NN) DENGAN PARTICLE SWARM OPTIMIZATION PADA KLASIFIKASI NASABAH KREDIT

Abstract

Data mining adalah teknik yang memanfaatkan data dalam jumlah yang besar untuk memperoleh informasi berharga yang sebelumnya tidak diketahui dan dapat dimanfaatkan untuk pengambilan keputusan penting. Salah satu informasi yang dapat dihasilkan berupa pengetahuan dalam mengklasifikasi nasabah kredit. Sehingga pihak bank dapat memberikan kredit kepada nasabah, dalam mengklasifikasi nasabah kredit pihak bank dapat mengetahui bahwa nasabah ini lancar atau tidak lancar dalam membaya rangsuran. Data yang ada dianalisa menggunakan Particle Swarm Optimization pada algoritma k-Nearst-Neighbor. k-NN meruapakan salah satu metode yang dapat menghilangkan variabel yang tidak signifikan dari model polynomial. Particle Swarm Optimization pada k-NN bertujuan untuk melakukan klasifikasi data nasabah kredit dengan akuarasi 87,59% setelah digunakan optimization meningkat akurasinya 90,73%, kemudian pola tersebut dapat digunakan oleh pihak perusahaan asuransi dalam pengambilan keputusan lancar atau tidak lancar nasabah dalam membayar angsuran.