Perancangan Sistem Rekomendasi Produk Pinjaman Pinang Menggunakan Decision Tree CART dan Teknologi Big Data

Abstract

Tiap tahunnya bank banyak menerima aplikasi pinjaman dari nasabahnya. Banyak aplikasi yang ditolak karena alasan tertentu. Untuk mengurangi tingginya tingkat penolakan pada aplikasi pinjaman, penelitian ini telah membuat sistem rekomendasi produk pinjaman Pinang yang mampu mengklasifikasikan nasabah calon peminjam potensial. Data yang digunakan meliputi data demografi nasabah, data kepemilikan rekening beserta fasilitas yang digunakan, dan data transaksi perbankan dalam periode satu tahun. Metode klasifikasi yang digunakan yaitu decision tree dengan algoritme CART. Parameter tuning dilakukan untuk mendapatkan nilai parameter paling optimal, yaitu menggunakan teknik 10-fold cross validation dan grid search. Dari hasil parameter tuning diperoleh model prediksi nasabah potensial terbaik pada max depth 12, max bins 32, dan entropy sebagai nilai impurity. Dari hasil penelitian diperoleh nilai accuracy sebesar 76 persen, nilai precision, recall, F1 score pada kelas positif sebesar 78 persen, 86 persen, dan 82 persen. Secara umum hasil peneltian menunjukkan bahwa model klasifikasi decision tree cukup baik dalam memprediksi kelas positif, namun masih kurang dalam memprediksi kelas negatif.