Widi Setyoko
Unknown Affiliation

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

SISTEM PENDUKUNG KEPUTUSAN PREDIKSI POTENSI KUALITAS KREDIT CALON DEBITUR MENGGUNAKAN METODE K-NEAREST NEIGHBOR PADA BPR KARTASURA MAKMUR DI SUKOHARJO Widi Setyoko; Muhammad Hasbi; Sri Hariyati Fitriasih
Jurnal Teknologi Informasi dan Komunikasi (TIKomSiN) Vol 4, No 1 (2016): JURNAL TIKomSiN
Publisher : STMIK Sinar Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (344.988 KB) | DOI: 10.30646/tikomsin.v4i1.246

Abstract

Dalam melakukan penilaian terhadap calon debitur BPR Kartasura Makmur melakukan kegiatan analisa secara kualitatif dan kuantitatif sebelum memberikan pinjaman kredit kepada nasabah. Sehingga dibutuhkan waktu beberapa hari sebelum debitur diberikan pinjaman, padahal setiap Bank saling berlomba-lomba dalam mendapatkan debitur untuk mengejar target kredit yang sudah direncanakan oleh masing-masing Bank. Kolektibilitas sangat berpengaruh dalam kesehatan sebuah Bank oleh karena itu tiap Bank harus menjaga kolektibilitas kredit tetap lancar, dengan demikian maka analisa kredit dituntut untuk bergerak cepat dan tetap harus berhati-hati dalam memberikan kredit agar terhindar dari pemberian kredit yang tidak tepat sasaran.Sistem Pendukung Keputusan dibuat untuk membantu dalam pengambilan keputusan atas suatu masalah, sistem ini menggunakan algoritma K-Nearest Neighbor yang diimplementasikan kedalam aplikasi menggunakan bahasa pemrograman PHP  untuk memprediksi Potensi Kolektibilitas Calon Debitur setelah melalui proses seleksi data, pembersihan data dan penentuan bobot tiap-tiap atribut untuk mendapatkan data training. Dan menghasilkan laporan data prediksi potensi kualitas kredit atau kolektibilitas calon debitur beserta saran dari hasil prediksi kolektibilitas kredit tersebut.Tujuan dari pembuatan sistem pendukung keputusan ini adalah untuk mempermudah dalam pemilihan calon debitur yang layak diberikan kredit berdasarkan kualitas kredit serta mempercepat proses anlisa kredit dan membantu menghindari pemberian kredit yang tidak tepat sasaran. Kata Kunci : Sistem Pendukung Keputusan, Kolektibilitas, K-Nearest Neighbor.