Program Studi Bisnis Digital • FEB UNDIP

Machine Learning in Finance

Pertemuan 13 — K-Nearest Neighbor (KNN)

Klasifikasi berbasis kemiripan: bagaimana "tetangga terdekat" bisa memprediksi gagal-bayar kredit, tanpa perlu asumsi distribusi data.

RPS MINGGU 14 • 2×50 MENIT

Selamat datang kembali, Anda sudah memasuki paruh akhir semester dan hari ini kita masuk ke salah satu algoritma supervised learning paling intuitif: K-Nearest Neighbor, atau KNN. Bayangkan Anda pindah ke kompleks perumahan baru dan ingin menebak apakah tetangga Anda ramah atau tidak — cara paling mudah adalah bertanya ke beberapa tetangga terdekat yang sudah Anda kenal dan mengikuti mayoritas jawaban mereka. Itulah inti KNN: menebak label suatu data baru berdasarkan label dari data-data yang paling mirip alias "terdekat" dengannya. Hari ini kita akan pakai konteks yang sangat relevan untuk Anda sebagai calon praktisi bisnis digital dan keuangan, yaitu memprediksi apakah nasabah bank seperti BCA atau BRI berpotensi gagal bayar kredit berdasarkan kemiripan profil dengan nasabah-nasabah sebelumnya. Siapkan kalkulator sederhana Anda karena kita akan menghitung jarak antar-data secara manual, langkah demi langkah, supaya logikanya benar-benar tertanam sebelum kita bicara implementasi di Python.

Tujuan Pembelajaran Hari Ini

Setelah pertemuan ini, Anda diharapkan mampu:

Konsep

Memahami logika KNN

Menjelaskan prinsip "kemiripan menentukan label" dan mengapa KNN disebut algoritma lazy learning (malas belajar) — tidak membangun model eksplisit di tahap training.

Teknis

Menghitung jarak & memilih K

Menghitung jarak Euclidean antar-titik data secara manual, dan memahami trade-off memilih nilai K yang terlalu kecil vs terlalu besar.

Aplikasi

Studi kasus finance

Menerapkan KNN pada kasus klasifikasi risiko kredit dan segmentasi nasabah menggunakan data profil keuangan sederhana.

Kritis

Mengenali keterbatasan

Menjelaskan mengapa KNN sensitif terhadap skala data (perlu normalisasi) dan mahal secara komputasi untuk dataset besar.

Mari kita lihat empat target belajar hari ini. Pertama, Anda harus paham konsep dasarnya dulu — bahwa KNN itu unik karena "malas", ia tidak membangun rumus atau persamaan seperti regresi logistik, melainkan hanya menyimpan seluruh data latih dan baru bekerja ketika ada data baru yang harus diklasifikasi. Kedua, kemampuan teknis menghitung jarak antar-titik data secara manual, karena inilah jantung dari algoritma ini. Ketiga, Anda akan melihat bagaimana KNN dipakai untuk kasus nyata di sektor keuangan, misalnya menentukan apakah calon nasabah KUR di sebuah BPR layak diberi kredit berdasarkan kemiripan dengan nasabah-nasabah sebelumnya. Keempat, dan ini penting untuk pemikiran kritis Anda sebagai calon analis, kita akan bahas kelemahan KNN supaya Anda tidak asal pakai algoritma ini di semua situasi.

Bagian 1 dari 4

Mengapa Perlu Klasifikasi Berbasis Kemiripan?

Dari masalah bisnis nyata menuju intuisi "tetangga terdekat".

Masalah: Menilai Nasabah Baru Tanpa Riwayat

Seorang credit analyst di sebuah BPR harus memutuskan: apakah calon debitur baru ini layak kredit atau berisiko gagal bayar?

Calon debitur ini belum pernah punya riwayat kredit di bank tersebut — tidak ada skor kredit historis untuknya secara langsung. Yang tersedia hanya profil: penghasilan bulanan, usia, dan rasio utang terhadap pendapatan (DTI).

Intuisi manusia: "Cari nasabah lama yang profilnya paling mirip, lihat bagaimana nasib kreditnya." Itulah persis logika KNN — mengubah intuisi ini menjadi hitungan matematis yang konsisten dan bisa diotomatisasi untuk ribuan calon debitur sekaligus.

Bayangkan Anda bekerja di sebuah Bank Perkreditan Rakyat di Semarang, dan setiap hari puluhan calon debitur mengajukan pinjaman UMKM. Anda tidak mungkin mewawancarai psikologis setiap orang untuk menilai karakter mereka, jadi yang bisa Anda andalkan adalah data: penghasilan, usia, dan rasio utang terhadap pendapatan yang biasa disingkat DTI atau debt-to-income ratio. Pertanyaannya, bagaimana caranya sistem otomatis bisa menilai risiko orang yang belum pernah punya riwayat kredit di bank Anda? Jawabannya sederhana secara intuisi tapi powerful secara matematis: cari nasabah-nasabah lama dengan profil paling mirip, lalu lihat bagaimana nasib kredit mereka dulu, gagal bayar atau lancar. KNN mengotomasi proses "mencari yang mirip" ini secara presisi dan bisa dijalankan untuk ribuan aplikasi kredit dalam hitungan detik.

Apa Itu K-Nearest Neighbor?

Definisi

KNN adalah algoritma supervised learning (belajar dengan label) yang mengklasifikasi data baru berdasarkan mayoritas label dari K data tetangga terdekatnya di ruang fitur.

K = jumlah tetangga yang "diajak voting" — ditentukan analis sebelum model dijalankan (mis. K=3, K=5).

Sifat Khas

Lazy learning: tidak ada "pelatihan" — seluruh data latih disimpan apa adanya.
Non-parametrik: tidak berasumsi data mengikuti distribusi tertentu (beda dari regresi logistik).
Prediksi baru dihitung ulang tiap kali — membandingkan ke semua data latih.

KNN punya dua istilah kunci yang perlu Anda pahami sejak awal. Pertama, "supervised learning" artinya algoritma ini belajar dari data yang sudah punya label jawaban, misalnya kita sudah tahu mana nasabah lama yang gagal bayar dan mana yang lancar. Kedua, K adalah angka yang kita tentukan sendiri sebelum menjalankan model, misalnya kita putuskan untuk bertanya ke 5 tetangga terdekat, itu artinya K sama dengan 5. Yang membuat KNN unik dan disebut "lazy learning" atau pembelajaran malas adalah karena ia tidak membangun rumus atau garis pemisah seperti regresi logistik yang pernah kita bahas di pertemuan sebelumnya. KNN hanya menyimpan seluruh data mentah, dan baru bekerja keras saat ada data baru yang perlu diklasifikasi, dengan cara menghitung ulang jarak ke semua data yang tersimpan. Ini juga disebut non-parametrik karena tidak mengasumsikan bentuk distribusi data tertentu seperti distribusi normal.

Ilustrasi: Titik Baru di Antara Dua Kelompok

Data baru ("?") dikelilingi campuran kedua kelompok. KNN menghitung jarak ke setiap titik, mengambil K tetangga terdekat, lalu voting label mayoritas.

Perhatikan diagram ini baik-baik karena inilah gambaran mental yang harus Anda pegang sepanjang materi hari ini. Lingkaran gelap mewakili nasabah lama yang kreditnya lancar, sedangkan segitiga mewakili nasabah lama yang gagal bayar, dan posisinya di ruang dua dimensi ditentukan oleh dua fitur, misalnya penghasilan di sumbu horizontal dan usia di sumbu vertikal. Titik dengan tanda tanya di tengah adalah calon debitur baru yang belum kita ketahui labelnya. Garis putus-putus yang saya gambar menunjukkan jarak dari titik baru ke beberapa tetangga terdekatnya. Tugas KNN adalah menghitung jarak yang presisi ke semua titik, memilih K tetangga paling dekat, kemudian melihat mayoritas label di antara para tetangga itu. Kalau mayoritas tetangga terdekat berlabel lancar, maka data baru diprediksi lancar, begitu juga sebaliknya.

Bagian 2 dari 4

Rumus Jarak & Cara Kerja Algoritma

Euclidean distance, pemilihan K, dan langkah algoritma dari nol.

Mengukur Kemiripan: Jarak Euclidean

KNN paling umum menggunakan jarak Euclidean — garis lurus terpendek antar dua titik di ruang fitur (mirip teorema Pythagoras).

d(A,B) = √[ (x₁-x₂)² + (y₁-y₂)² ]

Untuk 2 Fitur

Selisih tiap fitur dikuadratkan, dijumlah, lalu diakarkan. Sama seperti mencari sisi miring segitiga siku-siku.

Untuk N Fitur

Rumus diperluas: jumlahkan kuadrat selisih SEMUA fitur (penghasilan, usia, DTI, dst), baru diakarkan.

Fitur dengan skala besar (mis. penghasilan Rp 5.000.000) akan mendominasi fitur berskala kecil (mis. usia 30) jika tidak dinormalisasi dulu — kita bahas ini di Bagian 4.

Rumus ini mungkin terlihat mengingatkan Anda pada pelajaran matematika SMA, dan memang benar, ini adalah turunan langsung dari teorema Pythagoras. Bayangkan dua titik di atas kertas berpetak, x satu dan x dua adalah posisi horizontal, y satu dan y dua adalah posisi vertikal. Jarak garis lurus di antara keduanya dihitung dengan mengurangkan koordinatnya, mengkuadratkannya supaya hasilnya selalu positif, menjumlahkan semuanya, lalu mengakarkan hasil penjumlahan itu. Kalau kita punya lebih dari dua fitur, misalnya penghasilan, usia, dan rasio utang sekaligus, rumusnya tinggal diperluas dengan menambahkan suku kuadrat selisih untuk tiap fitur tambahan. Perhatikan baik-baik peringatan di layar ini, karena ini adalah jebakan paling umum bagi pemula: kalau penghasilan diukur dalam jutaan rupiah sementara usia hanya puluhan tahun, maka jarak akan didominasi sepenuhnya oleh penghasilan, dan usia jadi seolah tidak berpengaruh sama sekali. Ini akan kita perbaiki nanti dengan normalisasi data.

Hitung dari Nol #1: Jarak Euclidean

Dua nasabah BPR dengan fitur (Usia, DTI%): Nasabah A (30, 40) dan Data Baru (35, 25).

Langkah	Perhitungan	Nilai
1. Selisih Usia	35 − 30	5
2. Selisih DTI	25 − 40	−15
3. Kuadrat selisih Usia	5²	25
4. Kuadrat selisih DTI	(−15)²	225
5. Jumlah kuadrat	25 + 225	250

Jarak Euclidean d(A, Baru)

√250 ≈ 15,81

Mari kita hitung langkah demi langkah, karena inilah cara terbaik untuk benar-benar memahami rumus tadi. Kita punya Nasabah A dengan usia 30 tahun dan DTI 40 persen, dan calon debitur baru dengan usia 35 tahun dan DTI 25 persen. Langkah pertama, kita hitung selisih usia yaitu 35 dikurangi 30 sama dengan 5. Langkah kedua, selisih DTI yaitu 25 dikurangi 40 sama dengan minus 15, dan tidak masalah hasilnya negatif karena nanti akan dikuadratkan. Langkah ketiga dan keempat, kita kuadratkan masing-masing selisih itu, menghasilkan 25 dan 225. Langkah kelima, kita jumlahkan kedua kuadrat itu menjadi 250. Langkah terakhir, kita akarkan 250 dan mendapat kira-kira 15,81. Angka 15,81 inilah "jarak" antara Nasabah A dan calon debitur baru dalam ruang fitur usia-DTI. Semakin kecil angka ini, semakin mirip profil keduanya.

Algoritma KNN: 4 Langkah Inti

Langkah 1

Pilih K

Tentukan jumlah tetangga yang akan "diajak voting" (mis. K=3).

Langkah 2

Hitung Jarak

Hitung jarak Euclidean dari data baru ke SEMUA data latih.

Langkah 3

Urutkan & Pilih K

Urutkan jarak dari terkecil, ambil K data dengan jarak paling kecil.

Langkah 4

Voting Mayoritas

Label terbanyak di antara K tetangga = prediksi untuk data baru.

Slide ini merangkum seluruh algoritma KNN dalam empat langkah sederhana, dan saya ingin Anda menghafal urutan ini karena akan terus dipakai sepanjang sisa materi. Langkah pertama, sebelum apa pun, analis harus menentukan nilai K terlebih dahulu, misalnya kita putuskan K sama dengan 3, artinya nanti kita akan bertanya ke 3 tetangga terdekat. Langkah kedua, seperti yang baru kita hitung, kita mengukur jarak Euclidean dari data baru ke setiap satu data yang ada di data latih, bukan hanya sebagian, tapi seluruhnya. Langkah ketiga, semua jarak itu kita urutkan dari yang paling kecil ke paling besar, lalu kita ambil sejumlah K data teratas, yaitu yang paling dekat. Langkah keempat, kita lihat label dari K tetangga tersebut, dan label yang paling sering muncul itulah yang menjadi prediksi akhir untuk data baru kita. Sesederhana itu, tidak ada rumus regresi rumit, murni perbandingan jarak dan voting suara terbanyak.

Hitung dari Nol #2: Voting dengan K=3

4 nasabah lama sudah dihitung jaraknya ke calon debitur baru. Dengan K=3, siapa 3 tetangga terdekat dan apa hasil votingnya?

Langkah	Perhitungan	Nilai
1. Urutkan jarak (naik)	Nasabah A=15,81 · B=8,60 · C=22,36 · D=12,04	B < D < A < C
2. Ambil K=3 terdekat	B (8,60), D (12,04), A (15,81)	3 tetangga
3. Lihat label ke-3 tetangga	B=Lancar · D=Lancar · A=Gagal Bayar	2 Lancar, 1 Gagal Bayar
4. Voting mayoritas	2 suara Lancar > 1 suara Gagal Bayar	Menang: Lancar

Prediksi Calon Debitur Baru

LANCAR

2 dari 3 tetangga terdekat berlabel Lancar

Sekarang mari kita satukan seluruh langkah menjadi satu kasus keputusan kredit yang utuh. Anggap kita sudah menghitung jarak Euclidean calon debitur baru ke empat nasabah lama, yaitu Nasabah A, B, C, dan D, dengan hasil masing-masing 15,81, 8,60, 22,36, dan 12,04. Langkah pertama, kita urutkan dari jarak terkecil ke terbesar, urutannya menjadi B paling dekat, disusul D, lalu A, dan C paling jauh. Langkah kedua, karena kita memakai K sama dengan 3, kita ambil tiga teratas saja yaitu B, D, dan A, kita abaikan C karena terlalu jauh. Langkah ketiga, kita lihat label historis dari ketiga tetangga itu: ternyata B berlabel lancar, D berlabel lancar, dan A berlabel gagal bayar. Langkah keempat, kita hitung suara: dua suara untuk lancar, satu suara untuk gagal bayar, maka mayoritas menang adalah lancar. Kesimpulannya, sistem akan merekomendasikan calon debitur baru ini sebagai kandidat kredit yang diprediksi lancar, berdasarkan kemiripannya dengan nasabah-nasabah sejenis di masa lalu.

Bagian 3 dari 4

Memilih Nilai K & Jebakan Praktis

Trade-off bias-variance, normalisasi data, dan efisiensi komputasi.

Memilih K: Terlalu Kecil vs Terlalu Besar

K Terlalu Kecil (mis. K=1)

Model sangat sensitif terhadap noise (data ganjil/outlier) — satu nasabah "aneh" bisa mengubah prediksi drastis. Disebut overfitting: model terlalu mengikuti data latih, sulit generalisasi ke data baru.

K Terlalu Besar (mis. K=seluruh data)

Model "mengabur" — ikut suara mayoritas kelompok besar terlepas dari kemiripan sebenarnya. Disebut underfitting: model terlalu umum, kehilangan pola lokal yang penting.

Praktik umum: coba beberapa nilai K ganjil (3, 5, 7, 9…) — ganjil menghindari hasil seri saat voting — lalu pilih K dengan akurasi validasi terbaik.

Pertanyaan berapa nilai K yang ideal ini sebenarnya adalah pertanyaan tentang keseimbangan, dalam bahasa machine learning disebut trade-off bias-variance. Kalau K terlalu kecil, misalnya K sama dengan 1, model kita menjadi terlalu percaya pada satu tetangga saja, sehingga kalau kebetulan tetangga terdekat itu adalah kasus ganjil atau outlier, misalnya nasabah kaya raya yang tiba-tiba gagal bayar karena kasus khusus, maka prediksi kita jadi ikut salah. Ini disebut overfitting, model terlalu menempel ke detail data latih dan gagal digeneralisasi. Sebaliknya kalau K terlalu besar, katakanlah kita minta pendapat dari seratus tetangga padahal datanya cuma seratus dua puluh, maka hasilnya cenderung selalu mengikuti kelompok mayoritas keseluruhan, kehilangan sensitivitas terhadap pola lokal yang sebenarnya penting. Praktik terbaik di industri adalah mencoba beberapa nilai K yang ganjil, karena angka ganjil menghindari hasil seri saat voting, lalu memilih K yang memberikan akurasi terbaik pada data validasi, bukan cuma menebak.

Coba Sendiri: Geser K, Lihat Batas Berubah

Geser slider nilai K dan amati bagaimana batas keputusan klasifikasi berubah dari sangat berlekuk (K kecil) menjadi mengabur (K besar).

Jebakan Skala: Kenapa Normalisasi Wajib?

Walkthrough: bandingkan jarak SEBELUM dan SESUDAH normalisasi untuk fitur (Penghasilan Rp, Usia tahun).

Tahap 1 — Sebelum Normalisasi

Nasabah A: (Rp5.000.000, 30) · Data Baru: (Rp5.200.000, 45)

Selisih penghasilan = 200.000 → kuadrat = 40.000.000.000

Selisih usia = 15 → kuadrat = 225

Usia praktis tidak berpengaruh — kalah total oleh skala penghasilan.

Tahap 2 — Sesudah Normalisasi (skala 0–1)

Penghasilan & usia diskalakan ke rentang 0–1 (min-max scaling).

Selisih penghasilan (dinormalisasi) ≈ 0,02 → kuadrat ≈ 0,0004

Selisih usia (dinormalisasi) ≈ 0,25 → kuadrat ≈ 0,0625

Kedua fitur kini berkontribusi seimbang pada jarak akhir.

Ini adalah kelanjutan dari peringatan yang saya sampaikan tadi, dan saya akan tunjukkan dengan contoh angka supaya Anda benar-benar melihat dampaknya. Di tahap pertama, tanpa normalisasi, kita bandingkan Nasabah A berpenghasilan lima juta rupiah dan berusia 30 tahun dengan calon debitur baru berpenghasilan lima juta dua ratus ribu rupiah dan berusia 45 tahun. Selisih penghasilan adalah dua ratus ribu, saat dikuadratkan hasilnya empat puluh miliar, sementara selisih usia hanya lima belas, kuadratnya cuma dua ratus dua puluh lima. Bandingkan angkanya, empat puluh miliar berbanding dua ratus dua puluh lima, artinya usia praktis tidak berpengaruh sama sekali terhadap jarak akhir walaupun sebenarnya selisih usia lima belas tahun itu cukup signifikan secara bisnis. Di tahap kedua, setelah kita normalisasi kedua fitur ke rentang nol sampai satu menggunakan teknik yang disebut min-max scaling, selisihnya menjadi sebanding, kira-kira 0,0004 untuk penghasilan dan 0,0625 untuk usia, sehingga kedua fitur kini benar-benar berkontribusi secara adil terhadap keputusan akhir model. Inilah mengapa normalisasi adalah langkah wajib sebelum menjalankan KNN.

Kelebihan & Kekurangan KNN

Kelebihan

Sederhana & mudah dipahami — tanpa asumsi distribusi data.
Fleksibel untuk klasifikasi maupun regresi (prediksi angka).
Efektif untuk data dengan pola non-linear/kompleks.

Kekurangan

Lambat untuk data besar — hitung jarak ke SEMUA data tiap prediksi.
Sensitif terhadap skala fitur (wajib normalisasi) dan fitur tak relevan.
Rentan terhadap data tidak seimbang (mis. 95% lancar, 5% gagal bayar).

Sekarang mari kita timbang secara jujur, kapan KNN ini layak dipakai dan kapan sebaiknya dihindari, karena tidak ada algoritma yang sempurna untuk semua situasi. Dari sisi kelebihan, KNN sangat mudah dijelaskan ke atasan atau klien non-teknis karena logikanya intuitif, tidak memaksa asumsi statistik yang rumit seperti distribusi normal, dan bisa dipakai baik untuk mengklasifikasikan kategori maupun memprediksi angka kontinu. Namun dari sisi kekurangan, bayangkan sebuah bank besar seperti BRI dengan jutaan nasabah, setiap kali ada satu aplikasi kredit baru, sistem harus menghitung jarak ke jutaan data itu satu per satu, ini sangat lambat dan mahal secara komputasi dibanding model lain yang sudah "belajar" pola sebelumnya. KNN juga sangat rentan kalau data kita timpang, misalnya sembilan puluh lima persen nasabah lancar dan hanya lima persen gagal bayar, karena voting mayoritas akan selalu condong ke kelompok besar, membuat model buruk mendeteksi kasus gagal bayar yang justru paling penting untuk dideteksi bank.

Bagian 4 dari 4

Aplikasi & Latihan Mandiri

Dari teori ke praktik: segmentasi nasabah dan latihan kelas.

KNN di Dunia Keuangan Digital

Kredit

Skoring

Fintech P2P lending seperti platform pembiayaan UMKM menilai kelayakan pinjaman calon peminjam baru berdasarkan kemiripan dengan peminjam lama.

Fraud

Deteksi

Transaksi e-wallet/dompet digital dibandingkan pola transaksinya dengan transaksi mencurigakan historis untuk deteksi dini.

Investasi

Rekomendasi

Aplikasi reksa dana/saham merekomendasikan produk ke investor baru berdasarkan kemiripan profil risiko dengan investor lain.

Benang merah: KNN unggul saat "kemiripan historis" adalah sinyal kuat — dan data tersedia cukup banyak untuk dibandingkan.

Mari kita lihat tiga contoh nyata penerapan KNN yang mungkin sudah Anda pakai sendiri sebagai konsumen tanpa Anda sadari. Yang pertama, di dunia fintech peer-to-peer lending yang marak di Indonesia, sistem skoring kredit otomatis sering memakai logika mirip KNN untuk menilai calon peminjam UMKM baru yang belum punya riwayat, dengan membandingkan profilnya ke peminjam-peminjam serupa di masa lalu. Yang kedua, di aplikasi dompet digital seperti yang sering Anda gunakan untuk bayar parkir atau jajan, sistem deteksi fraud membandingkan pola transaksi Anda saat ini dengan pola transaksi mencurigakan yang pernah tercatat sebelumnya, kalau terlalu mirip dengan pola penipuan, transaksi bisa langsung diblokir sementara. Yang ketiga, aplikasi investasi reksa dana atau saham sering merekomendasikan produk berdasarkan kemiripan profil risiko Anda dengan investor lain yang sudah lebih dulu memakai aplikasi tersebut. Benang merahnya adalah KNN sangat berguna ketika kita punya cukup banyak data historis dan asumsi "yang mirip cenderung berperilaku sama" itu masuk akal secara bisnis.

Latihan Mandiri: Hitung Sendiri

Soal: Dua nasabah lama dengan fitur (Skor Kepatuhan, Lama Menabung/bulan): Nasabah E (70, 12) berlabel Lancar, Nasabah F (40, 3) berlabel Gagal Bayar. Calon debitur baru: (60, 9).

Instruksi: Kerjakan di kertas Anda selama 5 menit, lalu kita bahas bersama.

Hitung jarak Euclidean dari data baru ke Nasabah E dan ke Nasabah F.
Dengan K=1, tetangga mana yang menang? Apa prediksi labelnya?
Diskusikan: apakah hasil ini masuk akal secara bisnis?

Sekarang giliran Anda mencoba sendiri, silakan keluarkan kertas dan kalkulator, saya beri waktu lima menit untuk mengerjakan soal ini secara mandiri sebelum kita bahas bersama-sama di depan kelas. Soalnya mirip dengan yang tadi kita hitung bersama, tapi kali ini fiturnya adalah skor kepatuhan pembayaran dan lama menabung dalam bulan. Nasabah E punya skor kepatuhan 70 dan sudah menabung selama 12 bulan, berlabel lancar. Nasabah F punya skor kepatuhan 40 dan baru menabung 3 bulan, berlabel gagal bayar. Calon debitur baru kita punya skor 60 dan lama menabung 9 bulan. Ikuti langkah yang sama seperti contoh tadi: hitung selisih tiap fitur, kuadratkan, jumlahkan, lalu akarkan, untuk masing-masing nasabah lama. Setelah itu, dengan K sama dengan 1, tentukan siapa yang paling dekat dan apa prediksinya. Pertanyaan diskusi terakhir sengaja saya sisipkan supaya Anda berpikir kritis, bukan cuma menghitung mekanis.

Rangkuman: Cheat Sheet KNN

Aspek	Poin Kunci
Jenis algoritma	Supervised, non-parametrik, lazy learning
Rumus jarak	Euclidean: √[∑(selisih fitur)²]
Cara prediksi	Hitung jarak ke semua data → ambil K terdekat → voting mayoritas
Pemilihan K	Ganjil, uji beberapa nilai, hindari terlalu kecil (overfit) / besar (underfit)
Syarat wajib	Normalisasi skala fitur sebelum hitung jarak
Kelemahan utama	Lambat di data besar; sensitif data tak seimbang

Mari kita rangkum seluruh materi hari ini dalam satu tabel yang bisa Anda jadikan catatan ringkas untuk belajar sebelum ujian. KNN adalah algoritma supervised learning yang sifatnya non-parametrik dan lazy learning, artinya tidak butuh asumsi distribusi dan tidak membangun model eksplisit di tahap pelatihan. Alat ukurnya adalah jarak Euclidean, yang dihitung dari akar jumlah kuadrat selisih tiap fitur. Cara kerjanya, hitung jarak data baru ke semua data latih, ambil K yang paling dekat, lalu voting label mayoritas menjadi prediksi akhir. Pemilihan K sebaiknya angka ganjil dan diuji beberapa nilai untuk menghindari dua ekstrem, yaitu K terlalu kecil yang membuat model terlalu sensitif pada noise, dan K terlalu besar yang membuat model kehilangan sensitivitas lokal. Jangan lupa, normalisasi skala fitur adalah syarat wajib, bukan opsional. Terakhir, ingat bahwa KNN punya kelemahan di kecepatan komputasi untuk data besar dan sensitivitas terhadap data yang tidak seimbang antar kelas.

Penutup & Persiapan Minggu Depan

Minggu Depan (P14)

Kita beralih dari supervised ke unsupervised learning: K-Means & Fuzzy C-Means untuk segmentasi nasabah tanpa label — bagaimana bank mengelompokkan nasabah menjadi beberapa segmen tanpa tahu jawaban "benar" sebelumnya.

Tugas

Latihan #18

Kumpulkan sebelum kelas berikutnya

Selesaikan perhitungan Nasabah E & F di slide latihan, sertakan jawaban diskusi soal ke-3 (masuk akal secara bisnis atau tidak, dan mengapa).

Sebelum kita tutup pertemuan hari ini, mari saya sampaikan dua hal penting. Pertama, mengenai apa yang akan kita pelajari minggu depan: kita akan beralih dari dunia supervised learning yang selama ini kita pelajari, di mana kita selalu punya label jawaban yang benar, menuju dunia unsupervised learning dengan algoritma K-Means dan Fuzzy C-Means, di mana kita justru tidak tahu label sebelumnya dan harus menemukan pengelompokan nasabah dengan sendirinya, misalnya bagaimana bank mengelompokkan nasabahnya menjadi segmen premium, menengah, dan mikro tanpa ada label yang diberikan di awal. Kedua, mengenai tugas Anda, tolong selesaikan latihan mandiri yang tadi kita mulai di kelas, hitung jarak untuk Nasabah E dan F secara lengkap, tentukan prediksinya, dan jangan lupa jawab pertanyaan diskusi tentang apakah hasilnya masuk akal secara bisnis, karena ini akan kita bahas di awal pertemuan minggu depan. Terima Kasih atas perhatian Anda hari ini, sampai jumpa minggu depan.