Klasifikasi Penilaian Pinjaman Agunan Pada PT KB Finansia Multi Finance Menggunakan Metode Random Forest

Authors

  • Nabil Hanif Abdul Aziz Universitas Jenderal Achmad Yani
  • Eddie Krishna Putra Universitas Jenderal Achmad Yani
  • Agus Komarudin Universitas Jenderal Achmad Yani

DOI:

https://doi.org/10.33592/jutis.v12i2.5153

Keywords:

Keywords: Classification, Data Mining, Random Forest, Random Over Sampling, Secured Loans.

Abstract

Dalam dunia perbankan, terdapat tawaran kepada nasabah berupa pinjaman dengan syarat agunan, seperti rumah, tanah, atau kendaraan sebagai jaminan. Proses ini bertujuan untuk mengurangi risiko kredit bagi bank, karena jika nasabah gagal membayar, bank dapat mengambil dan menjual agunan untuk menutup kerugian. Penelitian ini bertujuan untuk menganalisis efektivitas kebijakan pinjaman dengan agunan di sektor perbankan serta dampaknya terhadap tingkat risiko kredit dan kepuasan nasabah. Dengan menggunakan metode data mining dan teknik klasifikasi Random Forest, studi ini akan mengevaluasi pola pembayaran nasabah, tingkat keberhasilan pengembalian pinjaman, dan elemen-elemen yang mempengaruhi pilihan nasabah dalam memanfaatkan layanan pinjaman dengan jaminan. Penelitian ini juga mempertimbangkan ketidakseimbangan data dengan menerapkan Teknik Oversampling, seperti Random Over Sampling untuk meningkatkan jumlah sampel pada kelas minoritas sehingga menjadi seimbang dengan kelas mayoritas. Hasil penelitian akan membandingkan efektivitas kedua teknik tersebut dalam memperbaiki ketepatan prediksi. Hasil penelitian ini diharapkan dapat memberikan wawasan bagi bank untuk mengoptimalkan kebijakan pinjaman mereka, meningkatkan manajemen risiko, dan menawarkan produk pinjaman yang lebih sesuai dengan kebutuhan nasabah.

Published

2025-04-24

How to Cite

Hanif Abdul Aziz, N., Krishna Putra, E., & Komarudin, A. (2025). Klasifikasi Penilaian Pinjaman Agunan Pada PT KB Finansia Multi Finance Menggunakan Metode Random Forest. JURNAL TEKNIK INFORMATIKA UNIS, 12(2), 113–122. https://doi.org/10.33592/jutis.v12i2.5153