<![CDATA[Jasa pemberi pinjaman online telah menjadi alterna-tif populer bagi para individu dan bisnis kecil yang mem-butuhkan dana atau pembiayaan yang cepat dan fleksibel tanpa harus memberi jaminan yang bernilai serupa. Dengan kemu-dahan yang diberikan, jumlah pengajuan proses peminjaman dana online seiring bertumbuh di masyarakat, khususnya di kalangan menengah ke bawah. Salah satu tantangan yang diha-dapi oleh para penyedia jasa pinjaman online atas mening-katnya jumlah aktivitas peminjaman adalah untuk dapat meng-evaluasi calon penerima pinjaman dengan cepat dan akurat, sehingga dapat mengurangi risiko memberikan pinjaman ke pe-minjam yang mengalami gagal/telat bayar (default). Pada pe-nelitian ini akan dirancang dan dikembangkan aplikasi prediksi kelayakan calon penerima pinjaman online. Metode yang akan digunakan dalam proses analisis adalah random forest. Algo-ritma klasifikasi prediksi kelayakan calon peminjam dana on-line terbentuk dari 500 pohon keputusan, yang secara kese-luruhan menjadi satu kesatuan random forest. Diantara 10 fold data yang terbentuk dari penggunaan K-fold cross validation, fold-2 memiliki performa terbaik, dengan akurasi sebesar 72.77%, sensitivitas sebesar 73.30%, dan spesifisitas sebesar 71.20%.]]>
Copyrights © 2024
