Implementasi Algoritma Klasifikasi Random Forest Untuk Penilaian Kelayakan Kredit

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.