Analisa Rekomendasi Fitur Persetujuan Pinjaman Perusahaan Financial Technology Menggunakan Metode Random Forest

Abstract

Teknologi finansial adalah industri yang memanfaatkan teknologi untuk mendukung sistem keuangan dan penyampaian layanan keuangan lebih efektif serta efisien. Salah satu jenis teknologi finansial adalah pinjaman peer-to-peer, pada pinjaman ini peminjam harus mengumpulkan data-data seperti pendapatan tahunan, riwayat kredit, riwayat pekerjaan, dan berbagai data lain. Data tersebut kemudian disaring oleh perusahaan pinjaman peer-to-peer untuk menghasilkan pengajuan yang diterima dan ditolak. Proses penyaringan harus dilakukan dengan cepat dan akurat. Pendekatan machine learning cocok mengatasi permasalahan waktu dan keakuratan prediksi serta dapat memprediksi faktor - faktor yang mempengaruhi persetujuan pinjaman dengan feature importance. Tujuan penelitian ini yaitu memprediksi faktor-faktor yang mempengaruhi persetujuan pinjaman yang dapat diprediksi dengan pendekatan machine learning menggunakan dataset Lending Club. Tahapan metode penelitian yang digunakan adalah data understanding, feature extraction, data pre-processing, exploratory data analysis (EDA), modelling, dan insight. Algoritma yang digunakan adalah random forest karena berjalan efisien pada data dalam jumlah banyak serta telah banyak digunakan untuk model credit scoring dan credit card fraud detection. Model evaluation yang digunakan pada proses modelling adalah recall dan menghasilkan skor yang tinggi yaitu 0.97. Berdasarkan penelitian yang telah dilakukan, terdapat 5 faktor terpenting yang mempengaruhi persetujuan pinjaman yaitu pendapatan tahunan, pembayaran bulanan peminjam, suku bunga, dana investor, dan lama kerja peminjam.