ABSTRAK

Penyaluran kredit diharapkan dapat menumbuhkan perekonomian masyarakat pada sektor mikro. Kredit memungkinkan masyarakat untuk melakukan investasi, distribusi dan juga konsumsi barang dan jasa. Disamping itu bagi lembaga penyalur kredit, kredit merupakan aktivitas utama dalam memperoleh pendapatan dari bunga dan provisi kredit. Dilihat dari kondisi tersebut, diperlukan suatu kontrol penyaluran kredit kepada masyarakat agar risiko kredit macet dapat dikendalikan. Tujuan dari penelitian ini adalah menerapkan algoritma data mining support vector machine untuk menghasilkan model terbaik yang dapat digunakan untuk klasifikasi risiko kredit. Data yang digunakan merupakan data sekunder yaitu German credit datasets yang diperoleh dari University of California Irvine Machine Learning Repository. Dari hasil pengujian model diperoleh algoritma yang memiliki akurasi paling tinggi untuk klasifikasi risiko kredit algoritma SVM dengan kelompok 20 atribut menghasilkan model yang baik dengan akurasi sebesar 75,87% lebih tinggi dibandingkan algoritma dan kelompok atribut lainnya. Dengan demikian, algoritma SVM dapat dijadikan alternatif pengambilan keputusan dalam penilaian risiko kredit.