Penerapan Algoritma Decision Tree untuk Memprediksi Risiko Gagal Bayar Nasabah Kartu Kredit
DOI:
https://doi.org/10.26418/jaakfe.v14i2.101100Abstract
Penelitian ini membahas prediksi risiko gagal bayar kartu kredit dengan tujuan menghasilkan model yang akurat dan transparan. Metode yang digunakan adalah Decision Tree (CART) dengan stratified split (70:30), validasi silang, serta optimasi hyperparameter berbasis AUC‑ROC; interpretasi disediakan oleh SHAP (global dan individual) dan ekstraksi aturan “jika–maka” dari pohon. Hasil menunjukkan peningkatan kinerja dari baseline (AUC CV 0,6105; AUC test 0,6177; akurasi test 0,7387) menjadi model teroptimasi (AUC CV 0,7561; AUC test 0,7559; akurasi test 0,7812; precision 0,5052; recall 0,5404; F1 0,5222), dengan fitur perilaku pembayaran dan beban tagihan sebagai pendorong risiko utama. Kesimpulannya, model memenuhi tujuan akurasi dan keterjelasan sekaligus menghasilkan aturan operasional yang dapat diaudit untuk mendukung keputusan kredit.References
Anjani, E. (2024) ‘Buy Now , Pay Later dari Inklusi Keuangan’, Cfds, (November), pp. 1–24.
Avionilova, H. (2024) ‘Prediksi Potensi Gagal Bayar Kartu Kredit Menggunakan Algoritma ID’, (July).
Bank (2021) Peraturan Bank Indonesia Nomor 23/7/PBI/2021 tentang Penyelenggara Infrastruktur Sistem Pembayaran, Bank Indonesia. Available at: https://www.bi.go.id/id/publikasi/peraturan/Pages/PBI_230721.aspx.
Helilintar, R. (2023) ‘Seminar Nasional Teknologi dan Sains’, 2.
Hidayatulloh, T. et al. (2022) ‘Algoritma C4.5 Untuk Menentukan Kelayakan Pemberian Kredit (Studi kasus: Bank Mandiri Taspen Kantor Kas Sukabumi)’, Jurnal Larik: Ladang Artikel Ilmu Komputer, 2(2), pp. 66–74. Available at: https://doi.org/10.31294/larik.v2i2.1836.
Mujo, A. et al. (2025) ‘Explainable AI in Credit Scoring: Improving Transparency in Loan Decisions’, Journal of Information Systems Engineering and Management, 10(27s), pp. 506–515. Available at: https://doi.org/10.52783/jisem.v10i27s.4437.
OJK (2022) ‘Laporan Triwulan II 2022 - Penguatan Ekosistem Sektor Jasa Keuangan (Melalui Perlindungan Konsumen yang Optimal)’, pp. 1–120. Available at: www.ojk.go.id.
Putra, P. (2024) ‘Pengembangan Model Prediksi Risiko Kredit Menggunakan Data Mining’, Duniadata.org, 1(6), pp. 1–18.
Salih, A.M. et al. (2025) ‘A Perspective on Explainable Artificial Intelligence Methods: SHAP and LIME’, Advanced Intelligent Systems, 7(1). Available at: https://doi.org/10.1002/aisy.202400304.
Stripe (2025) Why you should use buy now, pay later (BNPL) payment methods for your business, Stripe. Available at: https://stripe.com/en-sg/guides/buy-now-pay-later.
Vebriyanti, L.M.L. et al. (2024) ‘Analisis Kelayakan Kredit Menggunakan Classification Tree dengan Teknik Random Oversampling’, Euler : Jurnal Ilmiah Matematika, Sains dan Teknologi, 12(1), pp. 1–8. Available at: https://doi.org/
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Muhammad Randy Fachrezi, Muhammad Farhan, Dimas Aqila Aptanta, Arief Denis Wallidein
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Copyright Statement and Author Agreemenet can be downloaded here
