Jurnal informasi dan Komputer Vol: 10 No:2.
P-ISSN: 2337-8344
E-ISSN: 2623-1247
PENERAPAN METODE K-NEAREST NEIGHBOUR UNTUK SISTEM
PENENTUAN PEMINJAMAN MODAL NASABAH BANK SYARIAH
INDONESIA CABANG CIKARANG BERBASIS WEBSITE
Melina Rahmadiah1.
Parman Suparman2 Universitas Panca Sakti Bekasi Jl.
Raya Hankam No.
Jatirahayu.
Kec.
Pd.
Melati.
Kota Bks.
Jawa Barat 17414 Email : melinarahmadiah201@gmail.
com 1, phie.
suparman@gmail.
ABSTRAK
Dalam proses menentukan peminjaman modal kepada nasabah melakukan pengecekan data nasabah untuk mengetahui beberapa kriteria yaitu pengecekan slik OJK, umur nasabah,status nasabah, pendapatan nasabah dalam satu bulan dan jenis jaminan.
Kriteria tersebut akan menentukan nasabah mendapatkan dana pinjaman atau tidak.
Permasalahan yang muncul adalah karena belum adanya sistem yang terkomputerisasi dalam menentukan peminjaman modal, jadi dalam menentukan peminjaman itu masih mengunakan penilaian manual atau pribadi.
Sedangkan Bank Syariah Indonesia lebih mengutamakan data yang bena-benar tepat dalam meminjamkan modal kepada nasabah.
Metode yang digunakan dalam penentuan peminjaman modal nasabah adalah metode K-NN (K-Neareast Neighbou.
Alasannya, metode ini merupakan metode yang digunakan untuk pengklasifikasian dalam mencari jarak terdekat antara data yang akan dievaluasi dengan tetangga terdekatnya.
Penulis melakukan pengumpulan data dengan melakukan tanya jawab atau konsultasi yang dilakukan secara langsung kepada pimpinan Bank Syariah Indonesia Cabang Cikarang tersebut untuk mengetahui hambatan-hambatan yang ada pada bank mengenai informasi yang berhubungan dengan penelitian.
Perhitungan Algoritma K-Nearest Neighbour (K-NN) merupakan suatu metode untuk melakukan pengklasifikasian terhadap objek baru berdasarkan (K) tetangga terdekatnya.
K-NN termasuk Algoritma pembelajaran yang diawasi, dimana hasil dari query instance baru, berdasarkan hasil dari K-NN.
Kelas yang paling banyak muncul yang akan menjadi kelas hasil klasifikasi.
Membuat sistem penentuan peminjaman modal nasabah yang dapat menghitung nilai secara akurat, apakah nasabah pantas untuk di pinjam kan modal atau tidak dan juga membuat pengklasifikasian nilai berdasarkan data yang ada pada nasabah tersebut.
Menentukan batas maksimum pada masing-masing kriteria yang ada.
Kata Kunci : Bank Syariah Indonesia.
K-NN.
Nasabah.
K-nearest neighbour
ABSTRACT
In the process of determining capital loans to customers, checking customer data to find out several criteria, namely checking OJK slik, customer age, customer status, customer income in one month and type of guarantee.
These criteria will determine whether the customer gets the loan funds or not.
The problem that arises is because there is no computerized system in determining capital loans, so in determining the loan it is still using manual or personal assessments.
Meanwhile.
Bank Syariah Indonesia prioritizes data that is really accurate in lending capital to customers.
The method used in determining the borrowing of the customer's capital is the K-NN (K-Neareast Neighbo.
The reason is that this method is a method used for classification in finding the closest distance between the data to be evaluated and its nearest neighbor.
The author collects data by conducting questions and answers or consultations that are carried out directly to the leadership of the Indonesian Islamic Bank Cikarang Branch to find out the obstacles that exist in the bank regarding information related to research.
Calculation of the K-Nearest Neighbor (K-NN) algorithm is a method for classifying new objects based on (K) their closest neighbors.
K-NN is a supervised learning algorithm, where the results of a new query instance are based on the results of the K-NN.
The class that appears the most will be the class resulting from the classification.
Create a customer loan determination system that can calculate the value 189 | S T M I K D i a n C i p t a C e n d i k i a K o t a b u m i Jurnal informasi dan Komputer Vol: 10 No:2.
P-ISSN: 2337-8344
E-ISSN: 2623-1247
accurately, whether the customer deserves to be borrowed capital or not and also makes a value classification based on the data available to the customer.
Determine the maximum limit for each of the existing criteria.
Keywords: Indonesian Islamic Bank.
K-NN.
Customer.
K-nearest neighbor
PENDAHULUAN
Bank Syariah memainkan peranan penting sebagai fasilitator pada seluruh aktivitas ekonomi dalam ekosistem industri halal.
Keberadaan industri perbankan Syariah di Indonesia sendiri telah mengalami peningkatan dan pengembangan yang signifikan dalam kurun tiga dekade ini.
Inovasi produk, peningkatan layanan, serta pengembangan jaringan menunjukkan trend yang positif dari tahun ke tahun.
Bahkan, semangat untuk melakukan percepatan juga tercermin dari banyaknya Bank Syariah yang melakukan aksi Tidak terkecuali dengan Bank Syariah yang dimiliki Bank BUMN, yaitu Bank Syariah Mandiri.
BNI Syariah, dan BRI Syariah.
KNN (K-Neareast Neighbou.
Alasannya, metode ini merupakan metode yang digunakan untuk pengklasifikasian dalam mencari jarak terdekat antara data yang akan dievaluasi dengan tetangga terdekatnya.
Berdasarkan permasalahan di atas, mendorong penulis untuk mengambil judul AuPenerapan Metode K-Nearest Neighbour Untuk Sistem Penentuan Peminjaman Modal Nasabah di Bank Syariah Indonesia Cabang Cikarang Menggunakan Php MysqlAy.
Agar dapat membantu consumer bank untuk menentukan peminjaman modal nsabah yang lebih tepat sasaran dan memiliki waktu yang lebih efektif dan efisien dalam menentukan peminjaman Dalam proses menentukan peminjaman modal kepada nasabah melakukan pengecekan data nasabah untuk mengetahui beberapa kriteria pengecekan slik OJK, umur nasabah,status nasabah, pendapatan nasabah dalam satu bulan dan jenis jaminan.
Kriteria mendapatkan dana pinjaman atau tidak.
Namun pengerjaan yang di lakukan untuk menentukan pantas atau tidak nasabah tersebut dapat Permasalahan yang muncul adalah karena belum adanya sistem yang terkomputerisasi dalam menentukan peminjaman modal, jadi dalam menentukan peminjaman itu masih mengunakan penilaian manual atau pribadi.
Sedangkan Bank Syariah Indonesia lebih mengutamakan data yang bena-benar tepat dalam meminjamkan modal kepada nasabah.
LANDASAN TEORI
K - Nearest Neighbour AuK Ae Nearest Neighbour adalah pendekatan untuk mencari kasus dengan menghitung kedekatan antara kasus baru dengan kasus lama, yaitu berdasarkan pada pencocokan bobot dari sejumlah fitur yang adaAy (Risa Halilintar.
Risky Aswi R dan Siti Rochana, 2017:.
Prinsip kerja K Ae Nearest Neighbour (K- NN) adalah mencari jarak terdekat antara data yang akan dievaluasi dengan K tetangga (Neighbou.
terdekatnya dalam data pelatihan.
Berikut urutan proses kerja K-NN:
Menentukan parameter K .
umlah tetangga paling terdeka.
Menghitung kuadrat jarak Euclidean (Euclidean distanc.
masing -masing obyek terhadap data sampel yang berikan.
Metode yang digunakan dalam penentuan peminjaman modal nasabah adalah metode 190 | S T M I K D i a n C i p t a C e n d i k i a K o t a b u m i Jurnal informasi dan Komputer Vol: 10 No:2.
d1 A P-ISSN: 2337-8344
E-ISSN: 2623-1247
Eu Ax A x A METODE PENELITIAN i A1 x1= Sample Data x2 = Data Uji / Testing i = Variabel Data d = Jarak p = Dimensi Data Yang menggunakan metode K-NN adalah data training, variabel dan data testing.
Adapun Metode penelitian ini menggunakan tahap pengumpulan data yang digunakan dalam penelitian ini adalah sebagai berikut:
Wawancara Penulis melakukan pengumpulan data dengan melakukan tanya jawab atau konsultasi yang dilakukan secara langsung kepada pimpinan Bank Syariah Indonesia Cabang Cikarang tersebut untuk mengetahui hambatan-hambatan yang ada pada Bank Syariah Indonesia Cabang Cikarang berhubungan dengan penelitian.
Data Training Observasi Data training biasanya diambil dari transaksi yang terlebih dahulu dan sudah diketahui melalui proses manual.
Data training akan semakin akurat jika jumlah data yang diambil semakin banyak.
(Risa Halilintar.
Risky Aswi R dan Siti Rochana, 2017:.
Penulis melakukan pengamatan secara langsung dengan mendatangi dan melakukan pengamatan Bank Syariah Indonesia Cabang Cikarang dengan maksud memahami dan meninjau suatu kegiatan atau aktivitas yang terjadi.
Variabel Studi pustaka Variabel adalah objek penelitian atau apa yang menjadi fokus di dalam suatu penelitian.
Menurut F.
Kerlinger variabel sebagai sebuah Variabel merupakan konsep yang mempunyai nilai yang bermacam-macam.
Suatu konsep dapat diubah menjadi suatu variabel dengan cara memusatkan pada aspek tertentu dari variabel itu sendiri.
Penulis menggunakan teknik pengumpulan data dengan membaca buku dan jurnal atau referensi-referensi, merupakan penunjang dalam landasan teori yang berhubungan dengan penelitian yang Variabel dapat dibagi menjadi variabel kuantitatif dan variabel kualitatif.
Variabel kuantitatif diklasifikasikan menjadi dua kelompok, yaitu variabel diskrit .
dan variabel kontinu .
(Risa Halilintar.
Risky Aswi R dan Siti Rochana, 2017:.
Hasil Analisa Penerapan Metode Data Testing Data testing adalah data yang akan di diagnose, atau diramalkan.
Data testing harus memilki variabel yang sama dengan data training (Risa Halilintar.
Risky Aswi R dan Siti Rochana, 2017:.
HASIL DAN PEMBAHASAN
Perhitungan Algoritma K-Nearest Neighbour
(KNN)
melakukan pengklasifikasian terhadap objek baru berdasarkan (K) tetangga terdekatnya.
KNN termasuk Algoritma pembelajaran yang diawasi, dimana hasil dari query instance baru, berdasarkan hasil dari KNN.
Kelas yang paling banyak muncul yang akan menjadi kelas hasil Langkah-langkah algoritma KNN Sebagai 191 | S T M I K D i a n C i p t a C e n d i k i a K o t a b u m i Jurnal informasi dan Komputer Vol: 10 No:2.
Menentukan parameter K .
umlah tetangga paling deka.
Nilai K diperoleh dengan mencoba-coba.
Menghitung kuadrat jarak euclid .
uclidean distanc.
masing-masing objek terhadap data sampel yang diberikan.
Mengurutkan objek-objek tersebut ke jarakeuclidean terkecil.
Mengumpulkan kategori Y .
lasifikasi nearest neighbou.
Dengan menggunakan kategori mayoritas makadapat hasil klasifikasi.
P-ISSN: 2337-8344
E-ISSN: 2623-1247
Tabel 2.
Tabel Indikator Pembahasan Pembentukan Metode Dalam pembahasan ini terdapat data set sebagai data training untuk menghitung nilai Euclidean distance terhadap data baru.
Ket Tabel 1.
Tabel Data Training Keterangan dari tabel tersebut adalah:
A1= Jenis Dinding Rumah A2= Jumlah Tanggungan Keluarga A3= Pendapatan perbulan A4= Status Pernikahan A5= Umur Keterangan= A (ACC).
T (TOLAK).
Tabel 3.
Tabel Data Testing Keterangan Pembahasan Pembentukan Basis Aturan Data uji pada tabel 5.
1 itu akan di implementasikan dengan formula K-Nearest Nerghbor.
Adapun cara kerja dari proses perhitungan K-Nearest Neighbour yaitu sebagai Tahapan diawali dengan mengambil data testing atau contoh data seperti pada Kemudian dari tabel diatas dapat di hitung dengan menggunakan formula KNearest Neighbour, adapun cara kerjanya adalah sebagai berikut:
Menentukan parameter K, disin dalam menentukan parameter k=5.
Menghitung jarak euclid (Jarak euclidea.
masing-masing objek terhadap datasample yang diberikan.
Urutkan jarak tersebut dan tentukan tetangga mana yang terdekat berdasarkan jarak minimum ke-k.
192 | S T M I K D i a n C i p t a C e n d i k i a K o t a b u m i Jurnal informasi dan Komputer Vol: 10 No:2.
P-ISSN: 2337-8344
E-ISSN: 2623-1247
Menetukan kategori dari tetangga terdekat.
Oo Gunakan sederhana dari tetangga yang terdekat tersebut sebagai nilai klasifikasi dari data yang baru.
Oo Oo Oo Tabel 4.
Tabel Data Baru Oo Ket Menghitung jarak antara data baru dan semua data yang ada di data training.
Misal digunakan square distance dari jarak antara data baru dengan semua data yang ada di data training.
Contoh Perhitungan manual data baru Nomor 1 sebagai berikut:
Oo Oo Oo Oo Oo Oo Oo Oo Oo Oo Hasil perhitungan menunjukan nilai Euclidean distance data testing yang sudah di uji satu persatu dan sudah terdapat peringkat dari hasil Tabel 5.
Nilai Euclidean Distance Data Testing Oo Peringkat Ecueliden Keterangan Oo Oo Oo Oo Oo Oo Oo Parameter K yang telah di tentukan K=7 Maka diambil data nilai terdekat yang telah di ranking sejumlah 7 data training.
Oo Tabel 6.
Tabel Euclidean Distance 193 | S T M I K D i a n C i p t a C e n d i k i a K o t a b u m i Jurnal informasi dan Komputer Vol: 10 No:2.
Ecuiladen Peringkat Keterangan Dari hasil perhitungan dengan sejumlah K yang telah ditentukan.
Maka data baru Nomor 1 dapat disimpulkan dari kelompok yang mayoritas adalah Tolak (T) jadi data baru Nomor 1 termasuk di Tolak untuk peminjaman dana nasabah nya.
Dari rule diatas dapat di simpulkan hasil keseluruhan semua data baru yang telah dihitung dengan data training menghasilkan keterangan pada tabel berikut:
4 Implementasi Sistem
Sebelum admin/usermasuk ke sistem maka diharuskan untuk melakukan login terlebih P-ISSN: 2337-8344
E-ISSN: 2623-1247
Gambar 3.
Tampilan Menu Indikator 5 Pengujuan Penerapan Metode Merupakan bentuk pengujian dari sistem penentuan peminjaman modal nasabah apakah sistem yang telah di buat telah sesuai dengan langkah-langkah perhitungan dari metode KNearest Neighbour atau belum.
Pada pengujian ini berfokus pada menu data training dan menu data testing yang nantinya pada menu data testing ada proses perhituangan yang sesuai dengan metode yang di gunakan.
Bentuk tampilan pengujian penerapan metode dari sistem tersebut antara lain sebagai berikut :
Menu Data Training Tampilan pada menu ini adalah sebuah tabel data yang memuat data-data training, data training ini akan di jadikan sebagai data latih pada perhitungan pada sistem tersebut.
tampilan nya:
Gambar 1.
Tampilan Login Gambar 4.
Tampilan Data Training Gambar 2.
Tampilan Dashboard 194 | S T M I K D i a n C i p t a C e n d i k i a K o t a b u m i Jurnal informasi dan Komputer Vol: 10 No:2.
Menu Data Testing Tampilan pada menu ini adalah sebuah tabel data yang memuat data-data testing, data testing ini yang nantinya akan di proses melakukan perhitungan metode K- Nearest.
tampilan nya:
P-ISSN: 2337-8344
E-ISSN: 2623-1247
Di bawah tampilan ini berikutnya akan menampilkan banyak nya data training yang sudang di hitung oleh satu data testing yang sebelumnya telah di pilih, tampilan nya sebagai Gambar 8.
Hasil perhitungan Gambar 5.
Tampilan Data Testing Pada tampilan data testing ini sebelum memproses data yang akan di test harus menentukan jumlah tetangga terdekat yang akan menjadi patokan tetangga dari data testing yang akan di proses.
Pada tampilan terakhir ini akan menampilkan hasir sorting nilai terendah dari tetangga yang sudah di tentukan di awal dan juga tampilan output dari keterangan yang sudah di hasilkan dari nilai data yang sudah di sorting sebelumnya, tampilan nya sebagai berikut:
Gambar 9.
Tampilan Hasil Sorting dan Gambar 6.
Tampilan Memilih Tetangga Keterangan Terdekat Setelah itu pada tampilan data testing terdapat tombol proses pada label colom action, jika tombol tersebut di tekan maka akan memproses satu baris dari nilai data testing tersebut dan tampilan pertama akan menampilkan item-item nilai data testing yg di proses Berikut tampilan ketika tombol proses di tekan:
Pada saat tombol Tutup di tekan maka tampilan akan Kembali lagi ke halaman data testing tetapi pada kolom keterangan sudah terdapat keterangan yang sudah di hasilkan pada saat pemrosesan sebelum nya, tampilan nya sebagai Gambar 10.
Tampilan Keterangan Gambar 7.
Proses Data Testing 195 | S T M I K D i a n C i p t a C e n d i k i a K o t a b u m i Jurnal informasi dan Komputer Vol: 10 No:2.
KESIMPULAN DAN SARAN
1 Kesimpulan Berdasarkan hasil analisa dan perancangan aplikasi program implementasi metode KNearest Neighbour peminjaman modal nasabah di Bank Syariah Indonesia Cabang Cikarang, maka dapat diambil kesimpulan sebagai berikut:
K-Nearest Neighbour dapat digunakan untuk penentuan peminjaman modal nasabah di Bank Syariah Indonesia Cabang Cikarang dengan obyek baru berdasarkan atribut dan dalam penentuan peminjaman modal nasabah di Bank Syariah Indonesia Cabang Cikarang pada setiap data baru nilai K yang berubah tidak mempengaruhi hasil akhir dan konsisten dari klasifikasi Algoritma KNN menggunakan klasifikasi ketetanggaan sebagai nilai prediksi dari query instance yang baru.
Sistem penentuan peminjaman modal nasabah di Bank Syariah Indonesia Cabang Cikarang dengan Menggunakan Metode KNearest Neighbour memudahkan beban proses kerja para consumer bank, pada sistem ini consumer bank hanya menginputkan data baru yang telah masuk untuk menentukan penerima pinjaman dana nasbah secara tepat, dan akurat dengan indicator yang ditentukan tanpa menyurvei satu persatu data nasabah.
P-ISSN: 2337-8344
E-ISSN: 2623-1247
Pengembangan aplikasi menjadi lebih perkembangan masa.
Adanya pelaporan proses dan hasil klasifikasi secara transparan terhadap DAFTAR FUSTAKA .
Abdullah,.
web programming.
jakarta: PT Elex Media Komputindo jakarta .
Abdul Halim dan Muhammad Syam Kusufi Akuntansi Keuangan Daerah.
Edisi 4.
Jakarta: Salemba Empat.
Ardiyos.
Kamus Besar Akuntansi.
Jakarta:
Citra Harta Prima.
Arifin Zainul.
Dasar-Dasar Manajemen Bank Syariah.
Tangerang: Azkia.
Ascarya.
Akad Dan Produk Bank Syariah.
Bandung: PT Raja Grafindo Persada.
Boediono.
Pelayanan Prima Perpajakan.
PT.
Rineka Cipta: Jakarta.
Hidayatullah.
, & Kawistara.
Pemrograman WEB.
Bandung:
Informatika Bandung.
2 SARAN