PENERAPAN MODEL CRISP-DM PADA PREDIKSI NASABAH KREDIT MENGGUNAKAN ALGORITMA RANDOM FOREST

Abstrak

Kredit macet merupakan salah satu tantangan utama yang dihadapi oleh Koperasi Simpan Pinjam Baitut Tamwil Tazakka, yang berpotensi mengancam stabilitas keuangan dan kesehatan institusi. Penelitian ini bertujuan untuk mengevaluasi efektivitas algoritma Random Forest dalam memprediksi kredit macet pada koperasi tersebut. Metode CRISP-DM diterapkan dalam penelitian ini, meliputi tahap-tahap pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, dan deployment. Data yang digunakan terdiri dari 14 atribut dan 190 record yang telah dibersihkan dari nilai yang hilang. Hasil pemodelan menunjukkan bahwa algoritma Random Forest mampu memberikan akurasi prediksi yang sangat tinggi, dengan akurasi terbaik mencapai 94,8% pada tabel:10. Evaluasi metrik kinerja seperti AUC, CA, F1 Score, Precision, Recall, dan MCC menunjukkan nilai yang sangat baik, mengindikasikan kinerja prediktif yang kuat. Analisis confusion matrix juga mengonfirmasi akurasi prediksi yang tinggi dengan mayoritas prediksi benar pada kategori kredit macet, lancar, dan kurang lancar. Penelitian ini mengkonfirmasi bahwa algoritma Random Forest efektif dalam memprediksi kredit macet, menegaskan pentingnya penerapan machine learning dalam pengelolaan risiko kredit, dan memberikan kontribusi signifikan terhadap stabilitas keuangan koperasi melalui prediksi kredit macet yang lebih akurat.