Sistem rekomendasi kelayakan kredit menggunakan metode Random Forest pada BRI Kantor Cabang Pelaihari

Penelitian ini melakukan pembahasan tentang penggunaan salah satu algoritma machine learning untuk klasifikasi yang bernama random forest untuk melakukan prediksi terhadap potensi kelayakan kredit seorang calon nasabah untuk dijadikan acuan dasar oleh bank sebelum diproses lebih lanjut. Permasalahan yang ada pada bank adalah tidak adanya sistem rekomendasi untuk sistem pendukung keputusan yang dapat melakukan perhitungan secara otomatis untuk mengurangi resiko kredit dalam bank, dalam hal ini mencegah adanya potensi kredit macet. Untuk itu dibangunlah sebuah sistem rekomendasi atau sistem pendukung keputusan untuk melakukan prediksi potensi kelayakan suatu nasabah sebagai acuan dasar oleh pihak bank agar nantinya dilakukan proses analisa kredit tindak lanjut berdasarkan analisis 5C tentang perbankan yang berbasis webservice. Berdasarkan hasil penelitian ini, model perhitungan prediksi yang telah dilakukan testing dengan beberapa skenario data training menggunakan record data tagihan kredit nasabah, memiliki rata – rata ditemui rata – rata hasil accuracy sebesar 96,57%%, precision sebesar 96,46% dan recall sebesar 100%.