Analisis Perbandingan Penggunaan Model Machine Learning Pada Kasus Deteksi Kemampuan Calon Klien Dalam Membayar Kembali Pinjaman

Abstract

Semakin berkembangnya ekonomi suatu wilayah, makin tinggi pula kebutuhan belanja masayrakat diwilayah tersebut. Tak jarang hal ini memicu fenomena maraknya masyarakat yang mengajukan pinjaman kredit. Oleh karena itu, pihak peminjam kredit membutuhkan suatu metrik yang dapat memprediksi apakah calon kliennya mampu membayar Kembali pinjaman sebelum menyetujui ajuan kredit. Penelitian ini menganalisis perbandingan dari berbagai model machine learning sebagai alat prediksi calon klien peminjam kredit. Menggunakan dataset Home Credit Default Risk dari Kaggle, dan menerapkan metode CRISP-DM dalam pengembangannya. Beberapa model yang dipilih yaitu Regresi logistic, random forest, Gaussian naïvee bayes, decision tree, dan Multi-layer perceptron. Dari kelima model tersebut, random forest menunjukkan hasil skor evaluasi yang paling baik dengan metrik evaluasi ROC AUC. Yakni dengan nilai ROC AUC train score sebesar 1 dan ROC AUC test score sebesar 0,7233.

DOI : https://doi.org/10.33005/scan.v18i2.3623