IMPLEMENTASI ALGORITMA RANDOM FOREST DALAM KLASIFIKASI RISIKO GAGAL BAYAR KARTU KREDIT PADA NASABAH BANK

Hazizah, Nur (2025) IMPLEMENTASI ALGORITMA RANDOM FOREST DALAM KLASIFIKASI RISIKO GAGAL BAYAR KARTU KREDIT PADA NASABAH BANK. Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (320kB)
	Text BAB II.pdf Restricted to Registered users only Download (622kB)
	Text BAB III.pdf Restricted to Registered users only Download (313kB)
	Text BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text BAB V.pdf Download (190kB)
	Text DAFTAR PUSTAKA.pdf Download (417kB)

Abstract

Risiko gagal bayar kartu kredit merupakan tantangan utama dalam industri perbankan, yang sering kali disebabkan oleh kondisi finansial nasabah yang tidak stabil atau manajemen keuangan yang kurang baik. Penelitian ini bertujuan untuk mengklasifikasikan risiko gagal bayar kartu kredit nasabah bank dengan menerapkan algoritma Random Forest. Metode yang digunakan mencakup pengumpulan data, preprocessing, pelatihan model, evaluasi, dan analisis faktor penting menggunakan dataset publik yang berisi 30.000 data. Hasil penelitian menunjukkan bahwa algoritma Random Forest memiliki akurasi sebesar 81%, dengan faktor-faktor utama seperti status pembayaran sebelumnya, batas kredit, dan jumlah tagihan memberikan pengaruh signifikan terhadap klasifikasi risiko gagal bayar. Meskipun model menunjukkan performa yang baik untuk nasabah yang tidak gagal bayar, tantangan tetap ada pada klasifikasi nasabah yang gagal bayar, terutama karena ketidakseimbangan data. Penelitian ini membuktikan efektivitas algoritma Random Forest dalam mendukung pengambilan keputusan di sektor perbankan, serta memberikan dasar untuk pengembangan model yang lebih baik di masa depan.

Actions (login required)

View Item