CONTOH KASUS DAN PEMECAHAN ALGORITMA NEAREST NEIGHBOR

Pada sebuah Bank swasta di Indonesia, terdapat seorang calon nasabah yang ingin
mengajukan Kredit Perumahan Rakyat (KPR) . Dalam hal ini terdapat beberapa nasabah
yang telah mengajukan KPR ke Bank tersebut. Berikut ini adalah data-data nasabah
yang pernah mengajukan KPR di Bank Swasta tersebut.

Tabel 5.2 : Sampel Kasus

No Nama Kriteria 1 Kriteria 2 Kriteria 3 Keterangan

Kasus Nasabah
1 Dicky Di bawah 30 Tinggi Baik Ya
2 Dicko Di atas 30 Rendah Baik Tidak
3 Dicka Di atas 30 Rendah Tidak Tidak

Keterangan:
Kriteria 1 = Menjelaskan tentang Kriteria “Umur”
Kriteria 2 = Menjelaskan tentang Kriteria “Penghasilan”
Kriteria 3 = Menjelaskan tentang Kriteria “BI Checking”
 Dari tabel di atas, untuk mempermudah dalam penghitungan nilai Atributnya
berikut ini adalah tabel bobot dari atribut tersebut di atas.

Tabel 5.3 : Sampel Kasus

Attribut Bobot
Umur 0.5
Penghasilan 0.75
BI Checking 1
Untuk penyelesaian kasus pada fase awalnya kita perlu untuk menentukan Nilai
kedekatan antara setiap nilai-nilai atribut. Berikut ini adalah kedekatan Nilai-nilai dari
setiap atribut kondisinya.
1. Atribut Kriteria 1 (Umur)
Tabel 5.4: Kedekatan Nilai Atribut Kriteria 1 (Umur)
Nilai 1 Nilai 2 Kedekatan
Di bawah 30 Di bawah 30 1
Di atas 30 Di atas 30 1
Di bawah 30 Di atas 30 0.4
Di atas 30 Di bawah 30 0.4

2. Atribut Kriteria 2 (Penghasilan)

Tabel 5.5: Kedekatan Nilai Atribut Kriteria 2 (Penghasilan)
Nilai 1 Nilai 2 Kedekatan
Tinggi Tinggi 1
Rendah Rendah 1
Tinggi Rendah 0.5
Rendah Tinggi 0.5

3. Atribut Kriteria 3 (BI Checking)

 Tabel 5.6 : Kedekatan Nilai Atribut Kriteria 3 (BI Checking)
Nilai 1 Nilai 2 Kedekatan
Baik Baik 1
Tidak Tidak 1
Baik Tidak 0.75
Tidak Baik 0.75

Soal: Misalkan terdapat seorang Nasabah baru yang ingin mengajuk Kredit Perumahan
Rakyat (KPR) dengan keterangan di bawah ini:
Nama Kriteria 1 Kriteria 2 Kriteria 3
Nasabah
Dian Di atas 30 Tinggi Baik
Maka untuk menyelesaikan masalah di atas berikut ini adalah Algoritma penyelesainnya

1. Menghitung Nilai Kedekatan Atribut Kondisi Kasus baru dengan Kasus No 1

Tabel 5.7 : Kedekatan Kasus Baru Dengan Kasus 1

Nama Nasabah Kriteria 1 Kriteria 2 Kriteria 3

Dian Di atas 30 Tinggi Baik
Dicky Di bawah 30 Tinggi Baik
Nilai 0.4 1 1
Kedekatan
Nilai Atribut a c e

Tabel 5.8: Bobot Kasus 1

Attribut Bobot Nilai

Atribut
Umur 0.5 b
Penghasilan 0.75 d
BI Checking 1 f
 Hitung:
Jarak = (a*b) + (c*d) + (e*f)
b+d+f
Jarak = (0.4*0.5) + (1*0.75) + (1*1)
0.5 + 0.75 + 1
Jarak = 2 + 0.75 + 1
2.25
Jarak = 3.75 / 2.25
Jarak = 1.667

2. Menghitung Nilai Kedekatan Atribut Kondisi Kasus baru dengan Kasus No 2

Tabel 5.9 : Kedekatan Kasus Baru Dengan Kasus 2

Nama Pasien Kriteria 1 Kriteria 2 Kriteria 3

Dian Di atas 30 Tinggi Baik
Dicko Di atas 30 Rendah Baik
Nilai 1 0.5 1
Kedekatan
Nilai Atribut a c e

Tabel 5.10 : Bobot Kasus 2

Attribut Bobot Nilai

Atribut
Umur 0.5 b
Penghasilan 0.75 d
BI Checking 1 f
Hitung:
Jarak = (a*b) + (c*d) + (e*f)
b+d+f
Jarak = (1*0.5) + (0.5*0.75) + (1*1)
 0.5 + 0.75 + 1
Jarak = 0.5 + 0.28125+ 1
2.25
Jarak = 1.78125/ 2.25
Jarak = 0.791667

3. Menghitung Nilai Kedekatan Atribut Kondisi Kasus baru dengan Kasus No 3

Tabel 5.11: Kedekatan Kasus Baru Dengan Kasus 2

Nama Nasabah Kriteria 1 Kriteria 2 Kriteria 3

Dian Di atas 30 Tinggi Baik
Dicka Di atas 30 Rendah Tidak
Nilai 1 0.5 0.75
Kedekatan
Nilai Atribut a c e

Tabel 5.12 : Bobot Kasus 2

Attribut Bobot Nilai

Atribut
Umur 0.5 b
Penghasilan 0.75 d
BI Checking 1 f

Hitung:
Jarak = (a*b) + (c*d) + (e*f)
b+d+f
Jarak = (1*0.5) + (0.5*0.75) + (0.75*1)
0.5 + 0.75 + 1
Jarak = 0.5 + 0.28125+ 0.75
2.25
 Jarak = 1.53125/ 2.25
Jarak = 0.68055
Dari langkah 1, 2 dan 3 dapat diketahui nilai kedekatannya, berikut ini adalah
rekapitulasi.

Tabel 5.13: Rekapitulasi Nilai Kedekatan

No Kasus Nilai
Kedekatan
1 Kasus 1 1.667
2 Kasus 2 0.791667
3 Kasus 3 0.68055

Berdasarkan tabel diatas untuk nilai Kedekatan tertinggi adalah pada nilai
Kedekatan dengan Kasus 1. Jadi, untuk soal di atas maka nasabah atas nama “Dian”
pada nilai atribut keterangannya bernilai “Ya”