PENERAPAN ALGORITMA KNN (K-NEAREST NEIGHBOUR)DALAM KLASIFIKASI DATA PINJAMAN ANGGOTA KOPERASI

  • Deti Fusvita, Asnawati, Feri Hari Utami Universitas Dehasen Bengkulu
Keywords: KNN (K-NEAREST NEIGHBOUR)

Abstract

Koperasi Pegawai Negeri sudah menggunakan komputer sebagai sarana atau media dalam pendukung dalam pembuatan laporan dengan menggunakan aplikasi Microsoft Word dan Microsoft Excel, sehingga masih banyak ditemukan kekurangan-kekurangan dalam hal pelayanan pinjaman pada anggota koperasi.  Aplikasi klasifikasi data pinjaman anggota Koperasi Pegawai Negeri Guru-guru SD Kecamatan Seluma dibuat menggunakan bahasa pemrograman Visual Basic .Net sebagai media pembuatan aplikasi dan database SQL Server 2008 sebagai media penyimpanan hasil pengolahan data. Dalam proses klasifikasi data pinjaman anggota koperasi telah diterapkan metode K-Nearest Neighbour (KNN), dimana metode ini lebih menekankan kepada hasil proses berdasarkan pola data training yang telah dibuat. Data training yang dimaksud adalah data pinjaman anggota koperasi sebelumnya yang akan menjadi trend data untuk menentukan data pinjaman anggota selanjutnya apakah diterima atau ditolak. Dalam proses klasifikasi terdapat 7 (tujuh) kriteria yang digunakan. Ke tujuh kriteria tersebut akan digunakan sebagai parameter dalam menentukan status pinjaman anggota koperasi apakah pengajuan pinjamannya diterima atau ditolak. Berdasarkan pengujian yang telah dilakukan, aplikasi mampu memberikan hasil klasifikasi data pengajuan pinjaman anggota secara otomatis dengan melihat nilai akhir dari masing-masing pinjaman anggota

References

Parvin, Hamid. 2008. MKNN: Modified K-Nearest Neighbor. World Congress on Engineering and Computer Science. USA. San Francisco.

Asri, Romantika Mayang. 2016. Pemodelan System Pakar Untuk Identifikasi Penyakit Pada Tanaman Kedelai Menggunakan Metode Fuzzy K-Nearest Neighbor. S1. Universitas Brawijaya Bertalya. 2009.

Konsep Data Mining. Tersedia di : https://bertalya.staff.gunadarma.ac.id Diakses 11 Agustus 2019

Tan P, Steinbach M, Kumar V (2006) Introduction to Data Mining. Pearson Education: Boston San Fransisco New York [2] Keller JM, Gray MR, Givens J.A (1985) A Fuzzy K-Nearest Neighbor Algorithm IEEE Transaction on Systems

Mustaqbal, M.Sidi, dkk. 2015. Pengujian Aplikasi Menggunakan Black Box Testing Boundary Value Analysis (Studi Kasus : Aplikasi Prediksi Kelulusan SNMPTN). Jurnal Ilmiah Teknologi Informasi Terapan. ISSN 2407-3911.

Prasetyo, Eko. 2012. Data Mining Konsep dan Aplikasi Menggunakan Matlab. Penerbit Andi : Yogyakarta

Risman, Hendri. Dkk. 2015. Penerapan Metode K-Nearest Neighbor Pada Aplikasi Penentu Penerima Beasiswa Mahasiswa Di STMIK Sinar Nusantara Surakarta. Jurnal Tikomsin ISSN:2338-4018.

Ritayani. 2016. Pengantar Algoritma dan Pemrograman. Jurna.umuslim.ac.id

Sutrisno. 2013. Penerapan Data Mining Pada Penjualan Menggunakan Metode Clustering Studi Kasus PT. Indomarco Palembang. Universitas Bina Darma Palembang.

Sutabri, Tata. 2012. Analisis Sistem Informasi. Penerbit Andi : Yogyakarta

Published
2021-04-20