Skripsi/Tugas Akhir

Implementasi Data Mining dengan Algoritma K-Nearest Neighbour untuk Klasifikasi Pinjaman pada Koperasi Simpan Pinjam

---

Rating Anda tentang Buku ini!

---

ABSTRAK
Koperasi Simpan Pinjam Mandiri Pangkep sulit untuk menentukan nilai nominal pinjaman sesuai dengan kriteria dan sistem masih berupa manual. perlu penerapan data mining untuk menganalisis jumlah pinjaman yang sudah diberikan di masa lalu dan dalam membantu menentukan nilai nominal pinjaman. Tujuan dari penenlitian ini adalah untuk Merancang dan membangun sistem yang dapat menyimpan data-data calon peminjam dan mengolahnya untuk menghasilkan nilai nominal pinjaman berdaskan kriteria. Penelitian ini menggunakan pendekatan data mining. Proses menganalisa data untuk menemukan pola yang tersembunyi yang dapat dijadikan pengetahuan merupakan pengertian data mining. Data mining dapat digunakan untuk berbagai tujuan, seperti pengelompokan, klasifikasi, prediksi dan lain sebagainnya. Dengan memanfaatkan data pinjaman anggota, data mining dapat membantu pengambilan keputusan nilai nominal pinjaman bagi anggota koperasi simpan pinjam. Metode yang digunakan adalah metode KNearest Neighbor. KNN digunakan untuk mengklasifikasikan besar pinjaman anggota berdasarkan jarak kedekatan atribut. Dalam metode ini perhitungan yang digunakan adalah perhitungan jarak Euclidean. Hasil sistem yang dibuat antara lain: sistem yang dibuat mengacu pada permasalah yang ada, di mana sistem
mampu menyimpan data – data calon nasabah baru dan sistem dapat mengolah data tersebut.
Kata Kunci: Koperasi, Data mining, Metode K-Nearest Neighbor.

ABSTRACT
It is difficult for the Pangkep Mandiri Savings and Loans Cooperative to determine the nominal value of the loan according to the criteria and the system is still manual. it is necessary to apply data mining to analyze the amount of loans that have been given in the past and to help determine the nominal value of the loan. The purpose of this research is to design and build a system that can store data on prospective borrowers and process it to produce a nominal loan value based on criteria. This study uses a data mining approach. The process of analyzing data to find hidden patterns that can be used as knowledge is the meaning of data mining. Data mining can be used for various purposes, such as grouping, classification, prediction and so on. By utilizing member loan data, data mining can help make decisions on the nominal value of loans for members of savings and loan cooperatives. The method used is the K-Nearest Neighbor method. KNN is used to classify the loan size of members based on the proximity
of the attributes. In this method the calculation used is the calculation of the Euclidean distance. The results of the system made include: the system created refers to the existing problems, where the system is able to store data - new prospective customer data and the system can process the data.
Keywords: Coorperative, Data mining, K-Nearest Neighbor Method.

---

Ketersediaan

Tidak ada salinan data

Informasi Detail

Judul Seri

[Tidak Ada]

No. Panggil

SKR 22-45 DAR i - 0156TI

Penerbit

Makassar : ., 2022

Deskripsi Fisik

xi + 71 hlm., 28,5 x 20,5 cm

Bahasa

Indonesia

ISBN/ISSN

[Tidak Ada]

Klasifikasi

SKR 22-45

Tipe Isi

Text dan Gambar

Edisi/Cetakan

[Tidak Ada]

Subjek

Skripsi/Tugas Akhir
K-Nearest Neighbor
Data Mining

Lampiran File