Prediksi Kelayakan Pemberian Kredit Menggunakan Metode Random Forest

Abstract

Penelitian ini menggunakan data dari Kaggle, yang terdiri dari 32,581 baris dan 12 kolom, untuk mengembangkan model prediksi kelayakan kredit. Tujuan penelitian adalah mengidentifikasi faktor-faktor yang memengaruhi kelayakan kredit dan mengembangkan model yang akurat dalam memprediksi apakah seorang peminjam layak atau tidak menerima kredit. Penelitian melibatkan langkah-langkah pra-pemrosesan data, termasuk imputasi missing value dan penanganan outlier, serta pembagian dataset menjadi data latih dan data uji. Hasil menunjukkan bahwa model mencapai akurasi sebesar 93,28%, dengan parameter terbaik 'max_depth': 30, 'min_samples_leaf': 1, 'min_samples_split': 2, dan 'n_estimators': 100. Penelitian ini memberikan kontribusi dalam pemahaman kelayakan kredit dan pengembangan model prediksi yang dapat digunakan oleh lembaga keuangan untuk pengambilan keputusan kredit yang lebih tepat.