Implementasi Algoritma Random Forest Terhadap Prediksi Good Loan/Bad Loan Kredit Nasabah Bank Di Jakarta

Abstract

Kredit merupakan pemberian (penjaminan) barang atau jasa oleh satu pihak dengan uang untuk  memenuhi segala kebutuhan, keinginan, dan aspirasi masyarakat, berdasarkan persaingan masyarakat yang  semakin kompetitif. Risiko kredit adalah risiko kerugian yang terkait dengan ketidakmampuan dan/atau  keengganan peminjam untuk memenuhi kewajibannya untuk membayar kembali dana pinjaman secara penuh  pada atau setelah tanggal jatuh tempo. Dalam pemberian kredit, bank harus mengidentifikasi, mengelola, dan  memastikan risiko kredit pada seluruh produk dan harus melalui proses pengendalian manajemen risiko yang  layak. Oleh karena itu, dibutuhkannya sebuah sistem dimana yang mampu memprediksi risiko kredit yang  ditimbulkan oleh nasabah bank yang tidak mampu membayar pinjaman kredit agar bank tidak merugi.  Menggunakan data yang didapatkan dari ID/X untuk membuat sebuah model machine learning menggunakan  algoritma Random Forest. Keluaran yang dihasilkan dari model yang telah dibuat adalah pengklasifikasian  nasabah bank terbilang good loan / bad loan. Model klasifikasi yang diperoleh akan dievaluasi menggunakan nilai  accuracy, precision, recall, dan F1-Score. Hasil evaluasi terbaik didapatkan oleh Model rasio perbandingan 70%  data latih dan 30% data uji dengan nilai akurasi sebesar 84,32%, nilai precision sebesar 96,79%, nilai recall sebesar 86,44% dan F1-score sebesar 91.3%.