Penelitian ini membahas prediksi risiko gagal bayar kartu kredit dengan tujuan menghasilkan model yang akurat dan transparan. Metode yang digunakan adalah Decision Tree (CART) dengan stratified split (70:30), validasi silang, serta optimasi hyperparameter berbasis AUC‑ROC; interpretasi disediakan oleh SHAP (global dan individual) dan ekstraksi aturan “jika–maka” dari pohon. Hasil menunjukkan peningkatan kinerja dari baseline (AUC CV 0,6105; AUC test 0,6177; akurasi test 0,7387) menjadi model teroptimasi (AUC CV 0,7561; AUC test 0,7559; akurasi test 0,7812; precision 0,5052; recall 0,5404; F1 0,5222), dengan fitur perilaku pembayaran dan beban tagihan sebagai pendorong risiko utama. Kesimpulannya, model memenuhi tujuan akurasi dan keterjelasan sekaligus menghasilkan aturan operasional yang dapat diaudit untuk mendukung keputusan kredit.
Copyrights © 2025