AGEN CERDAS UNTUK PENENTUAN KELAYAKAN PEMBERIAN KREDIT KOPERASI SIMPAN PINJAM

Abstract

ne"> Abstract-A credit risk is that customers will not be able to pay back
money they have borrowed from credit union. If this matter
happens frequently, it will be effect to liquidity of credit union. The
credit risk can be reduced by assessment toward customers’ credit.
The process assessment credit risk is very complicated and need
time recover. To deal with the customers’ credit assessment
problem in a credit union, we have developed a case-based
reasoning system. The system assesses the credit risk of a target
customer only based on the features data which can be easily
retrieved from daily transaction data stored in the database of the
management information system. Since the credit risk of a target
customer is to be reasoned on the basis of similarity to past cases, it
is very important how to evaluate properly the degree of similarity
between a target customer and past cases. This paper aims at
investigating the performance of case base reasoning and nearest
neighbor for assessment credit risk. The results of this study
showed the application of Case Base Reasoning and the nearest
neighbor algorithm has the higher accuracy value than just using
Case Base Reasoning.
Intisari-Ketidakmampuan anggota koperasi untuk membayar
cicilan kredit dalam jangka waktu yang telah ditentukan dapat
menyebabkan kredit macet.Kondisi ini apabila dibiarkan terusmenerus dapat berpengaruh langsung terhadap likuiditas
koperasi.Untuk meminimalisir resiko kredit macet maka
koperasi harus melakukan analisis kelayakan sebelum
memberikan kredit. Proses analisis kelayakan kredit
merupakan hal yang sulit dan membutuhkan waktu yang cukup
lama. Oleh karena itu dibutuhkan alat bantu yang cepat dan
akurat untuk melakukan analisis kelayakan kredit untuk menilai
kreditur yang mempunyai resiko gagal bayar dan yang tidak
beresiko. Tujuan penelitian ini adalah mengembangkan agen
cerdas yang menerapkan Case Base Reasoning (CBR) dan
Algoritma nearest neighbor untuk penentuan kelayakan
pemberian kredit koperasi dengan lebih cepat dan akurat.
Dalam penelitian ini digunakan metode eksperimen dengan
beberapa tahapan penelitian antara lain: studi literatur,
pemodelan CBR dan algoritma nearest neighbor, pengembangan
sistem yang menerapkan CBR dan algoritma nearest neighbor
untuk penentuan kelayakan kredit koperasi dan implementasi
sistem. Hasil penelitian ini menunjukkan penerapan Kasus Basis
Penalaran dan algoritma tetangga terdekat memiliki nilai
akurasi yang lebih tinggi daripada hanya menggunakan Case
Base Reasoning.
Kata Kunci: Case Base Reasoning (CBR), Algoritma Nearest
Neighbor Dan Kredit Simpan Pinjam Koperasi