Algoritma K-nearest neighbor (KNN) digunakan untuk klasifikasi dan prediksi dengan menghitung kedekatan antara kasus baru dengan lama berdasarkan bobot fitur. KNN mencari kasus lama terdekat untuk digunakan sebagai solusi kasus baru, dengan kedekatan diukur antara 0-1. Studi kasus menggunakan KNN untuk memprediksi kemungkinan nasabah memiliki masalah pembayaran dengan mempertimbangkan jarak pendidikan dan
2. Konsep K-NN
• Nearest Neighbor adalah pendekatan untuk mencari
kasus dengan menghitung kedekatan antara kasus
baru dengan kasus lama, yaitu berdasarkan pada
pencocokan bobot dari sejumlah fitur yang ada.
• Misalkan diinginkan untuk mencari solusi terhadap
seorang pasien baru dengan menggunakan solusi
dari pasien terdahulu. Untuk mencari kasus pasien
mana yang akan digunakan maka dihitung
kedekatan kasus pasien baru dengan semua kasus
pasien lama. Kasus pasien lama dengan kedekatan
terbesar-lah yang akan diambil solusinya untuk
digunakan pada kasus pasien baru.
4. Persamaan Matematis Algortima K-NN
• Kedekatan biasanya berada pada nilai antara 0 s/d 1.
Nilai 0 artinya kedua kasus mutlak tidak mirip,
sebaliknya untuk nilai 1 kasus mirip dengan mutlak.
5. Studi Kasus
• Kasus : Kemungkinan seorang nasabah bank
akan bermasalah dalam pembayarannya atau
tidak
15. Analisa Hasil
• Memilih kasus dengan kedekatan terdekat. Dari
langkah 1, 2 dan 3 dapat diketahui bahwa nilai
tertinggi adalah kasus 2. Berarti kasus yang terdekat
dengan kasus baru adalah kasus 2.
• Menggunakan klasifikasi dari kasus dengan
kedekatan terdekat.
• Berdasarkan hasil pada langkah 4, maka klasifikasi
dari kasus 2 yang akan digunakan untuk
memprediksi kasus baru. Yaitu kemungkinan
nasabah baru akan Tidak Bermasalah
16. Data Uji
• JK : P
• Pend : S1
• Status : Tidak Bekerja
• Apakah nasabah tersebut bermasalah atau tidak
dalam melakukan peminjaman ?