IMPLEMENTASI K-NEAREST NEIGHBOR UNTUK MENGKLASIFIKASI DATASET KARTU CREDIT
ABSTRAK
Dalam beberapa tahun terakhir, penerbit kartu kredit menghadapi krisis perhutangan pada kartu kredit dan
kecurangan yang diperkirakan akan mencapai puncaknya pada kuartal ketiga. Untuk meningkatkan kinerja pasar,
bank menerbitkan uang tunai dan kartu kredit kepada pelangan yang tidak terkualifikasi. Pada saat yang sama,
sebagian besar pemegang kartu, terlepas dari kemampuan pembayaran mereka, menggunakan kartu kredit yang
sangat berlebihan untuk transaksi dan akumulasi kartu kredit. Krisis tersebut menyebabkan hantaman bagi
kepercayaan keuangan dan ini merupakan tantangan besar bagi bank dan pemegang kartu. Tujuan utama dari
klasifikasi kartu kredit adalah menggunakan informasi keuangan, seperti laporan keuangan transaksi, catatan
transaksi dan pembayaran pelanggan, dll., Untuk memprediksi kinerja bisnis atau risiko kredit pada pelanggan
dan untuk mengurangi kecurangan dan ketidakpastian dalam pembayaran. Dari perspektif pengendalian risiko,
memperkirakan probabilitas default akan lebih berarti dari pada mengelompokkan pelanggan ke dalam hasil biner
yang berisiko dan tidak akurat. Dengan beberapa data sebagai data training dan mengimplementasikan algoritma
klasifikasi K-Nearest Neighbour diharapkan dapat memperoleh hasil akurasi yang tinggi sehingga dapat dijadikan
untuk acuan klasifikasi kartu credit dan menghindari kecurangan yang akan terjadi. Uji coba dilakukan dengan
menggunakan nilai K yang telah ditentukan dan didapatkan hasil akurasi paling optimal sebesar 96.77% yang
menunjukkan tingkat akurasi yang cukup tinggi. Dengan demikian algoritma K-Nearest Neighbour dapat
dikatakan mampu untuk mengklasifikasi kartu credit dengan tingkat akurasi sebesar 96.77%.
Kata kunci: Klasifikasi, Kartu Credit, K-Nearest Neighbour.
S06-19391 | 1939 | Koleksi Skripsi | Tersedia |
Tidak tersedia versi lain