Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal PROSISKO : Jurnal Pengembangan Riset dan observasi Rekayasa Sistem Komputer
rizka farida damayanti
Politeknik Negeri Malang PSDKU Kota Kediri
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Mechanical Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Systematic Literatur Review Pendekatan Machine Learning untuk Prediksi Risiko Kredit Illaiza Nur Sakina; rizka farida damayanti; Muh. Muafan Al Farisi
PROSISKO: Jurnal Pengembangan Riset dan Observasi Sistem Komputer Vol. 12 No. 3 (2025): Prosisko Vol. 12 No. 3 November 2025
Publisher : Pogram Studi Sistem Komputer Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/prosisko.v12i3.10475

Abstract

Penelitian ini bertujuan untuk melakukan tinjauan sistematis terhadap pendekatan machine learning dalam prediksi risiko kredit melalui Systematic Literature Review (SLR). Tujuan utama adalah mengidentifikasi tren algoritma machine learning yang dominan, mengevaluasi kelebihan dan kekurangannya, serta menganalisis apakah data yang digunakan merupakan big data. Metode penelitian melibatkan tahapan perencanaan, pencarian literatur dari Google Scholar (2019–2024), seleksi berdasarkan kriteria inklusi-eksklusi, penilaian kualitas, dan ekstraksi data. Hasil penelitian menunjukkan bahwa algoritma seperti Neural Network, Random Forest, Support Vector Machine (SVM), K-Nearest Neighbor (K-NN), dan Naïve Bayes banyak, dengan Neural Network dan Random Forest menjadi yang terpopuler karena kemampuan menangani data kompleks dan stabilitasnya. Namun, mayoritas studi menggunakan dataset berskala kecil hingga digunakan menengah, bukan big data. Penelitian ini memberikan kontribusi teoritis dengan memperkaya wawasan tentang aplikasi machine learning dalam risiko kredit dan kontribusi praktis sebagai panduan bagi lembaga keuangan dalam memilih model yang tepat untuk meningkatkan akurasi prediksi dan efisiensi pengambilan keputusan.
Co-Authors Illaiza Nur Sakina Muh. Muafan Al Farisi