Klasifikasi Sentimen Data Kredit untuk Menentukan Kelayakan Nasabah Menggunakan Random Forest
DOI:
https://doi.org/10.70052/jka.v4i1.1352Keywords:
Kelayakan Kredit, Random Forest, Aplikasi web, KreditSmartAbstract
Penilaian kelayakan kredit merupakan proses penting dalam industri keuangan untuk meminimalkan risiko gagal bayar. Studi ini bertujuan untuk mengembangkan sistem otomatis berbasis kecerdasan buatan menggunakan Algoritma Random Forest untuk mengevaluasi kelayakan kredit pelanggan. Metodologinya meliputi pengumpulan data pinjaman, pra-pemrosesan, pelatihan model Random Forest, dan pengembangan aplikasi web KreditSmart. Dataset terdiri dari 700 entri dengan fitur seperti jumlah pinjaman (plafond), jangka waktu (tenor), dan kualitas pembayaran (kolektilitas). Hasil menunjukkan bahwa model Random Forest mencapai akurasi 85%, dengan kualitas pembayaran sebagai prediktor utama. Aplikasi KreditSmart memungkinkan penilaian kredit secara real-time, meningkatkan efisiensi dan akurasi. Studi ini berkontribusi pada otomatisasi penilaian kredit, pengurangan risiko, dan referensi akademis untuk aplikasi pembelajaran mesin di bidang keuangan.
Credit eligibility assessment is a critical process in the financial industry to minimize default risks. This study aims to develop an automated system based on artificial intelligence using the Random Forest algorithm to evaluate customer creditworthiness. The methodology includes collecting loan data, preprocessing, training the Random Forest model, and developing the KreditSmart web application. The dataset comprises 700 entries with features such as loan amount (plafond), tenure (tenor), and payment quality (kolektibilitas). Results show that the Random Forest model achieves an accuracy of 85%, with payment quality as the primary predictor. The KreditSmart application enables real-time credit assessment, enhancing efficiency and accuracy. This study contributes to credit assessment automation, risk reduction, and academic references for machine learning applications in finance.
References
N. L. Zailani, A. U., & Hanun, “Penerapan Algoritma Klasifikasi Random Forest Untuk Penentuan Kelayakan Pemberian Kredit Di Koperasi Mitra Sejahtera,” Infotech J. Technol. Inf., vol. 6, pp. 7–14, 2020.
A. S. de Díaz-Uriarte R, “Gene Selection and Classification of Microarray Data Using Random Forest,” vol. 7, 2006.
A. Yaqin, “Penilaian Kredit Menggunakan Algoritma XGBoost dan Logistic Regression,” J. Inform. J. Pengemb. IT, vol. 8, pp. 4–10, 2022.
L. Breiman, Random Forests. Machine Learning. 2001.
K. Zhu, L., Qiu, D., Ergu, D., Ying, C., & Liu, “A study on predicting loan default based on the random forest algorithm,” Procedia Comput. Sci., pp. 503–513, 2019.
S. U. Sartono B, Ensemble Tree: an Alternative toward Simple Classification & Regression Tree. Forum Statistika dan Komputasi. 2010.
Y. Pahlevi, O.-, Amrin, A.-, & Handrianto, “Implementasi Algoritma Klasifikasi Random Forest Untuk Penilaian Kelayakan Kredit. Jurnal Infortech,” J. Infortech, vol. 5, pp. 71–76, 2023.
S. Wajhillah, R., Ubaidallah, I. H., & Bahri, “Analisis Kelayakan Kredit Berbasis Algoritma K-Nearst Neighboar (Studi Kasus: Koperasi AKU),” InfoTekJar J. Nas. Inform. Dan Teknol. Jar., vol. 1, p. 4, 2019.
Z. P. Sandri M, “Variable Selection Using Random Forest,” 2005.
S. Dewi., “Komparasi 5 Metode Algoritma Klasifikasi Datamining Pada Prediksi Keberhasilan Pemasaran Produk Layanan Perbankan,” J. Techno Nusa Mandiri, vol. 13, pp. 60–65, 2016.
T. Tukino, “Penerapan Metode Algoritma C4.5 dalam Penilaian Kelayakan Pemberian Kredit Kepada Mitra Usaha PT Arita Prima Sukses,” Prosiding Seminar Nasional Ilmu Sosial Dan Teknologi (SNISTEK), pp. 306–314, 2023.
W. M. Liaw A, “Classification and Regression by randomForest,” RNews, vol. 2, pp. 18–22, 2002.
X. Z. Y. Wang, S. Shia, Q. Tang, J. Wu, “A Novel Consistent Random Forest Framework: Bernoulli Random Forest,” IEEE Trans. Neural Netw. Learn. Syst., pp. 1–14, 2017.
P. K. S. V. Y. Kulkarni, “Effective Learning and Classification Using Random Forest Algorithm,” Int. J. Eng. Innov. Technol., vol. 3, pp. 267–273, 2014.
R. Muliadi, Muliadi., Andi, Farmadi., Rudy, Herteno., Rahmat, “Random forest Dengan Random Search Terhadap Ketidakseimbangan Kelas Pada Prediksi Gagal Jantung,” J. Inform., 2023.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Ipin Sugiyarto, Bibit Sudarsono, Umi Faddillah (Author)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
