<![CDATA[Proses penilaian kelayakan pinjaman di KSU Raja masih terkendala karena tidak tersedianya sistem digital, sehingga kecepatan, konsistensi, dan ketepatan analisis belum optimal dalam pengambilan keputusan. Penelitian ini merancang sistem prediksi kelayakan pinjaman berbasis machine learning menggunakan algoritma Decision Tree karena kemampuannya menangani data numerik dan kategorikal serta mudah diinterpretasikan. Data yang digunakan merupakan data histori nasabah dengan atribut seperti pendapatan, pengalaman kerja, jumlah pinjaman, kepemilikan rumah, dan riwayat pinjaman. Tahap praproses meliputi imputasi missing value, transformasi label, dan encoding variabel kategorikal, kemudian data dibagi menjadi data latih (80%) dan data uji (20%). Model dilatih menggunakan Grid Search Cross Validation dan menghasilkan akurasi 92%, menunjukkan performa yang baik dalam mengklasifikasikan nasabah ke kategori “Layak” atau “Tidak Layak.” Model kemudian diintegrasikan ke aplikasi web berbasis Flask yang menyediakan prediksi real-time, histori otomatis, filterisasi, ekspor data, dan notifikasi untuk mendukung digitalisasi layanan koperasi.]]>
Copyrights © 2026
