<![CDATA[Penentuan jumlah pinjaman nasabah merupakan permasalahan yang kompleks dan bersifat nonlinear karena dipengaruhi oleh berbagai karakteristik nasabah serta risiko kredit macet. Oleh karena itu, machine learning mampu memberikan keunggulan dalam memodelkan hubungan yang kompleks dan menghasilkan prediksi yang lebih akurat serta adaptif berbasis data. Penelitian ini bertujuan untuk membangun model prediksi jumlah pinjaman nasabah menggunakan algoritma Extreme Gradient Boosting (XGBoost) dan TabNet dengan optimasi hyperparameter dengan metode Random Search. Data yang digunakan merupakan data sekunder dengan 4.269 observasi dan 13 variabel. Model dibangun dengan menggunakan pendekatan baseline dan optimasi hyperparameter Random Search, kemudian dievaluasi menggunakan metrik koefisien determinasi (), Root Mean Squared Error (RMSE), dan Mean Absolute Error (MAE). Hasil penelitian menunjukkan bahwa optimasi hyperparameter dengan Random Search mampu meningkatkan kinerja model secara signifikan dibandingkan baseline. Model TabNet dengan optimasi hyperparameter memberikan performa terbaik dengan nilai mendekati 0,89.]]>
Copyrights © 2026
