Riset ini dilakukan dengan maksud membangun aplikasi yang dapat manganalisis data
nasabah bank kemudian menentukan kelayakan nasabah tersebut dalam hal pemberian pinjaman, agar
terhindar dari masalah kredit macet dikemudian hari. Metode yang digunakan adalah metode hybrid yang
menggabungkan 2 teknik klasifikasi Data Mining yaitu Support Vector Machines (SVM) dan K-Nearest
Neighbors (KNN). SVM bekerja dengan cara menemukan hyperplane yang optimal dan support vector.
Lebih lanjut, algoritma KNN akan melakukan klasifikasi data nasabah bank berdasarkan
pengidentifikasian support vector tersebut. Dengan 2000 data latih dan 103 data uji: nilai parameter
cost=0,1, gamma=2, sistem mengidentifikasi 1998 support vector, kemudian dengan nilai K=16 sistem
memberikan hasil 88,35% data yang cocok (91 data dari 103). Dapat disimpulkan bahwa aplikasi ini
bekerja dengan cukup baik dan dapat membantu credit analyst dalam merekomendasikan nasabah yang
layak memperoleh pinjaman.