Perpustakaan Digital ITB

Salah satu layanan di industri finansial adalah layanan kredit, yaitu pemberian pinjaman oleh suatu pihak kepada pihak lain yang dikembalikan pada jangka waktu tertentu disertai bunga. Kini, masyarakat dapat mengajukan kredit tidak hanya kepada bank, namun juga kepada perusahaan financial technology penyedia peer-to-peer (P2P) lending. P2P lending dapat memberikan akses pembiayaan pada peminjam yang mungkin belum mendapatkan persetujuan dari perantara keuangan. Konsep ini dapat menjadi solusi inklusifitas keuangan masyarakat Indonesia, baik untuk UKM maupun menjangkau masyarakat lebih luas. P2P lending dapat membuka segmen baru perekonomian, khususnya pada masyarakat yang belum terjangkau oleh institusi keuangan saat ini. Tren pertumbuhan penyaluran dana lewat P2P lending di Indonesia terus meningkat selama 2017-2018, namun kerugian karena kredit bermasalah juga meningkat. Untuk itu dibutuhkan sistem credit scoring khusus P2P lending untuk mengurangi kerugian. Dalam credit scoring, teknik machine learning telah banyak digunakan dalam pembuatan model untuk klasifikasi. Algoritme K-nearest neighbor (KNN) adalah salah satu algoritme yang sederhana dan cocok untuk credit scoring. Untuk mendapatkan hasil optimal, dilakukan optimasi dengan mencari kombinasi alternatif parameter terbaik antara nilai tetangga terdekat (‘K’), pembobotan pada tetangga, dan distance metric. Setelah dioptimasi, didapatkan alternatif parameter terbaik yaitu nilai ‘K’ sebesar 41, dengan pembobotan tergantung jarak (distance), dan Canberra distance metric. Model hasil optimasi ini menghasilkan nilai akurasi 94,9%, precision 90,1%, recall 84,2%, f-measure 87,0%, specificity 97,6%, dan AUC 90,9%.