IMPLEMENTASI ALGORITMA RANDOM FOREST UNTUK KELAYAKAN PINJAMAN
Keywords:
Klasifikasi, Random Forest, Kelayakan Pinjaman, Matriks Kebingungan, Dataset KaggleAbstract
ABSTRAK
Kesalahan penilaian kelayakan pinjaman berisiko menimbulkan kredit macet dan kerugian lembaga keuangan. Penelitian ini menerapkan algoritma Random Forest untuk mengklasifikasikan kelayakan pinjaman menggunakan dataset publik dari Kaggle: Loan Approval Dataset oleh anishdevedward. Dataset berisi 1.000 data pemohon dengan 11 atribut demografis dan keuangan, serta variabel target status persetujuan pinjaman. Tahapan penelitian meliputi pra-pemrosesan data, pembangunan model, dan evaluasi menggunakan 10-fold cross-validation, matriks kebingungan. Hasil pengujian menunjukkan akurasi model mencapai 96,25%,sehingga masuk dalam kategori klasifikasi sangat baik. Algoritma ini terbukti efektif menentukan kelayakan seseorang menerima pinjaman.
Kata Kunci: Klasifikasi, Random Forest, Kelayakan Pinjaman, Matriks Kebingungan, Dataset Kaggle
References
Anishdev Edward. (2025). Loan Approval Dataset. Diambil dari Kaggle:
https://www.kaggle.com/datasets/anishdevedward/loan-approval-dataset
Breiman, L. (2001). ST4_Method_Random_Forest. Machine Learning, 45(1), 5–32.
Chang, V., Xu, Q. A., Akinloye, S. H., Benson, V., & Hall, K. (2025). Prediction of bank credit worthiness through credit risk analysis: an explainable machine learning study. Annals of Operations Research, 354(1), 247–271. https://doi.org/10.1007/s10479-024-06134-x
Gorunescu, F. (2011). Data Mining: Concepts, Models and Techniques. Berlin: Springer-Verlag.
Jin, Z., Shang, J., Zhu, Q., Ling, C., Xie, W., & Qiang, B. (2020). RFRSF: Employee Turnover Prediction Based on Random Forests and Survival Analysis. Lecture Notes in Computer Science (Including Subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 12343 LNCS, 503–515. https://doi.org/10.1007/978-3-030-62008-0_35
Pahlevi, O., Amrin, & Handrianto, Y. (2023). Implementasi Algoritma Klasifikasi Random Forest
Untuk Penilaian Kelayakan Kredit. Jurnal Infortech, 5(1), hlm. 71–76.
Prasojo, B., & Haryatmi, E. (2021). Analisa Prediksi Kelayakan Pemberian Kredit Pinjaman dengan
Metode Random Forest. Jurnal Nasional Teknologi Dan Sistem Informasi, 7(2), hlm. 79–89.
Rahmawati, T. I., & Handayani, I. (2021). Implementasi Random Forest untuk Klasifikasi Kelayakan Kredit Nasabah dalam Pengelolaan Risiko Keuangan di PT BPR BKK Wonogiri. 8, 167–186.
Simarmata, K. B., Hartomo, K. D., & Hartomo, K. D. (2022). Analisa Rekomendasi Fitur
Persetujuan Pinjaman Menggunakan Metode Random Forest. JATISI (Jurnal Teknik
Informatika Dan Sistem Informasi), 9(3), hlm. 2055–2070.
Wigayha, C. K. (2025). REDEFINING RETAIL: THE TRANSFORMATIVE IMPACT OF AI ON THE RETAIL INDUSTRY’S FUTURE | LOGIS (Logistics, Operations and Global Integration Studies). LOGIS: Logistics, Operations, and Global Integration Studies, 1(1). https://journal.dinamikapublika.id/index.php/LOGIS/article/view/121
Zhu, L., Qiu, D., Ergu, D., Ying, C., & Liu, K. (2019). A Study on Predicting Loan Default Based
on the Random Forest Algorithm. Procedia Computer Science, 162, hlm. 503–513.