Masa Kelayakan pinjaman pegawai pensiunan merupakan proses penting yang membutuhkan evaluasi cepat dan akurat untuk mendukung pengambilan keputusan kredit yang tepat. Penelitian ini mengembangkan sistem klasifikasi ke-layakan pinjaman serta menerapkan metode K-Nearest Neighbors (K-NN) untuk membantu analisis kelayakan pinjaman di Bank BTPN Palembang. Dataset yang digunakan terdiri dari 240 data nasabah pensiunan dengan atribut meliputi Gaji Pensiun, Pinjaman yang Diajukan, 70% Gaji, Angsuran Bulanan, Sisa Gaji, Ri-wayat Kredit, Usia, serta label Target. Proses pra-pemrosesan data dilakukan me-lalui normalisasi, encoding, serta pembagian data latih dan uji, dengan penentuan nilai k optimal menggunakan metode Elbow.
Hasil penelitian menunjukkan bahwa metode K-NN dengan nilai k = 5 ber-hasil mencapai akurasi sebesar 95,83%. Berdasarkan evaluasi menggunakan classi-fication report, diperoleh nilai precision sebesar 0,92 untuk kelas Layak dan 1,00 untuk kelas Tidak Layak, dengan recall 1,00 dan 0,92, serta F1-score sebesar 0,96 dan 0,96. Nilai rata-rata keseluruhan (macro avg dan weighted avg) untuk preci-sion, recall, dan F1-score berkisar antara 0,96 yang menunjukkan keseimbangan dan ketepatan dalam klasifikasi kedua kelas. Confusion matrix menunjukkan bahwa dari 48 data uji, sebanyak 45 data diklasifikasikan dengan benar dan hanya 3 data yang mengalami salah klasifikasi. Dengan performa yang tinggi dan kesalahan min-imal, penerapan metode K-NN ini efektif digunakan sebagai alat bantu dalam penilaian kelayakan pinjaman secara objektif di sektor keuangan.
Kata kunci: K-Nearest Neighbors (K-NN), Kelayakan Pinjaman, Pensiunan, Klas-ifikasi, Bank BTPN Palembang