Prediksi Credit Card Approval Menggunakan Algoritma Random Forest

Anindita Puspa Ayu Prayogi
Altha Inas Shofyana
Dewi Putriani

ILKOMEDIA: Jurnal Ilmu Komputer dan Multimedia
Vol. 2 No. 1 (2025): ILKOMEDIA Edisi Juni 2025

Proses persetujuan kartu kredit merupakan tantangan signifikan bagi institusi keuangan karena melibatkan analisis berbagai faktor, seperti pendapatan, riwayat kredit, dan komitmen finansial calon nasabah. Penelitian ini bertujuan membangun model prediksi persetujuan kartu kredit menggunakan algoritma Random Forest dengan memanfaatkan dataset publik dari Kaggle. Algoritma Random Forest dipilih karena keunggulannya dalam menangani data besar, mengatasi masalah data tidak seimbang, serta mencegah overfitting untuk menghasilkan prediksi yang akurat. Hasil penelitian menunjukkan bahwa model memiliki performa tinggi dengan akurasi sebesar 88,89%, serta akurasi rata-rata 85,50% berdasarkan cross-validation. Selain itu, metrik precision, recall, dan F1-score menunjukkan keseimbangan performa untuk kedua kelas target. Model ini berpotensi diimplementasikan dalam skala industri dengan mempertimbangkan tantangan seperti privasi data dan skalabilitas.