<![CDATA[Situasi keuangan klien yang tidak stabil atau manajemen keuangan yang buruk merupakan penyebab umum risiko gagal bayar kartu kredit, yang merupakan masalah besar bagi industri perbankan. Tujuan dari penelitian ini adalah untuk menggunakan algoritma Random Forest untuk mengkategorikan risiko gagal bayar kartu kredit klien bank. Metode yang digunakan mencakup pengumpulan data, preprocessing, pelatihan model, evaluasi, dan analisis faktor penting menggunakan dataset publik yang berisi 30.000 data. Temuan penelitian menunjukkan bahwa algoritma Random Forest mencapai tingkat akurasi 81% dalam hal penilaian risiko gagal bayar. Algoritma tersebut secara signifikan dipengaruhi oleh kriteria utama seperti riwayat pembayaran sebelumnya, batas kredit, dan jumlah tagihan. 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. Selain meletakkan dasar untuk perbaikan model di masa mendatang, penelitian ini menunjukkan bahwa metode Random Forest berguna untuk membantu pengambilan keputusan sektor perbankan.]]>
Copyrights © 2025
