{"title":"Implementasi Algoritma Klasifikasi Random Forest Untuk Penilaian Kelayakan Kredit","authors":"Omar Pahlevi, Amrin Amrin, Yopi Handrianto","doi":"10.31294/infortech.v5i1.15829","DOIUrl":null,"url":null,"abstract":"Kredit merupakan penyediaan uang atau tagihan dengan adanya suatu persetujuan atau kesepakatan antara pihak penyedia kredit dengan pihak peminjam untuk melunasi utangnya berdasarkan jangka waktu tertentu dengan pemberian bunga. Melakukan klasifikasi kelayakan kredit sesuatu yang sangat penting agar dapat mengetahui data kredit kendaraan bermotor baik yang bermasalah maupun yang tidak bermasalah. Dataset yang digunakan sebanyak 481 record data kredit kendaraan bermotor baik yang bermasalah maupun yang tidak bermasalah. Variabel input pada penelitian ini terdiri dari tiga belas variabel, diantaranya status perkawinan, jumlah tanggungan, umur, status tempat tinggal, kepemilikan rumah, pekerjaan, status pekerjaan, status perusahaan, penghasilan, uang muka, pendidikan, lama tinggal, dan kondisi rumah. Pada penelitian ini, peneliti akan mengimplementasikan metode klasifikasi data mining yaitu random forest untuk klasifikasi kelayakan kredit. Berdasarkan hasil pengukuran kinerja performa model algoritma Random Forest untuk klasifikasi kelayakan kredit memberikan tingkat akurasi kebenaran sebesar 78,60% dengan nilai Area Under the Curve (AUC) sebesar 0,907. Berdasarkan tingkat akurasi dan nilai Area Under the Curve (AUC), maka model algoritma Random Forest termasuk kategori klasifikasi sangat baik.","PeriodicalId":105912,"journal":{"name":"Jurnal Infortech","volume":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"2023-06-16","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"1","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Infortech","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.31294/infortech.v5i1.15829","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 1
Abstract
Kredit merupakan penyediaan uang atau tagihan dengan adanya suatu persetujuan atau kesepakatan antara pihak penyedia kredit dengan pihak peminjam untuk melunasi utangnya berdasarkan jangka waktu tertentu dengan pemberian bunga. Melakukan klasifikasi kelayakan kredit sesuatu yang sangat penting agar dapat mengetahui data kredit kendaraan bermotor baik yang bermasalah maupun yang tidak bermasalah. Dataset yang digunakan sebanyak 481 record data kredit kendaraan bermotor baik yang bermasalah maupun yang tidak bermasalah. Variabel input pada penelitian ini terdiri dari tiga belas variabel, diantaranya status perkawinan, jumlah tanggungan, umur, status tempat tinggal, kepemilikan rumah, pekerjaan, status pekerjaan, status perusahaan, penghasilan, uang muka, pendidikan, lama tinggal, dan kondisi rumah. Pada penelitian ini, peneliti akan mengimplementasikan metode klasifikasi data mining yaitu random forest untuk klasifikasi kelayakan kredit. Berdasarkan hasil pengukuran kinerja performa model algoritma Random Forest untuk klasifikasi kelayakan kredit memberikan tingkat akurasi kebenaran sebesar 78,60% dengan nilai Area Under the Curve (AUC) sebesar 0,907. Berdasarkan tingkat akurasi dan nilai Area Under the Curve (AUC), maka model algoritma Random Forest termasuk kategori klasifikasi sangat baik.