dc.description.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. | id |