Penerapan Algoritma Random Forest Untuk Klasifikasi Status Kredit Di Koperasi Prima Jaya Mandiri Bahorok

Abstrak

Penelitian ini bertujuan untuk menerapkan algoritma Random Forest dalam mengklasifikasikan status kredit anggota di Koperasi Prima Jaya Mandiri Bahorok guna mendukung proses pengambilan keputusan dalam penilaian kelayakan kredit. Permasalahan yang sering muncul dalam penentuan status kredit adalah kesalahan klasifikasi akibat banyaknya faktor yang saling berkaitan, seperti jumlah pinjaman, riwayat pembayaran, serta kondisi ekonomi anggota. Oleh karena itu, diperlukan metode klasifikasi yang memiliki kemampuan generalisasi tinggi dan akurasi yang andal. Metode yang digunakan dalam penelitian ini meliputi tahapan pengumpulan dan pra-pemrosesan data, penentuan label target (status lancar dan tidak lancar), pembagian data menjadi 70% data latih dan 30% data uji secara stratified, serta pelatihan model menggunakan algoritma Random Forest dengan konfigurasi terbaik, yaitu n_estimators = 300, max_depth = 10, dan bootstrap aktif. Dari total 130 data kredit yang dianalisis, 91 data digunakan untuk pelatihan dan 39 data untuk pengujian. Hasil pengujian menunjukkan bahwa model Random Forest mampu mencapai tingkat akurasi sebesar 97,44% dan nilai F1-score sebesar 0,98 untuk kelas positif (status lancar). Berdasarkan confusion matrix dengan nilai TN = 10, FP = 0, FN = 1, dan TP = 28, model memiliki specificity sebesar 1,00 dan precision sempurna (1,00) pada kelas positif. Analisis feature importance menunjukkan bahwa variabel riwayat tunggakan bulanan merupakan faktor paling berpengaruh terhadap hasil klasifikasi, diikuti oleh jumlah pinjaman dan biaya hidup bulanan. Dengan demikian, penerapan algoritma Random Forest terbukti efektif dalam membantu proses klasifikasi status kredit di Koperasi Prima Jaya Mandiri Bahorok.