EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

PERBANDINGAN KINERJA RANDOM FOREST DAN XGBOOST UNTUK PREDIKSI KETERLAMBATAN PINJAMAN ONLINE

Oktavia Nursyahbani, Sutan Faisal, Dwi Sulistya Kusumaningrum, Ayu Ratna Juwita

Jurnal Informatika Teknologi dan Sains (Jinteks) · 12.06.2026 · 8 (2) · 833-838

DOI: 10.51401/jinteks.v8i2.7393 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Jurnal Informatika Teknologi dan Sains (Jinteks), online erschienen am 12.06.2026. Verfasst von Oktavia Nursyahbani und 3 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Pertumbuhan industri teknologi finansial (fintech) di Indonesia membawa risiko peningkatan kredit bermasalah atau non-performing loan. Penelitian ini bertujuan membandingkan performa dua algoritma machine learning, yaitu Random Forest dan XGBoost, dalam memprediksi keterlambatan pembayaran pinjaman online menggunakan dataset Lending Club dari Kaggle yang terdiri dengan 1.048.575 baris data. Kontribusi ilmiah penelitian ini terletak pada analisis komparatif penggunaan Class Weight dan SMOTE pada dataset skala besar serta penerapan threshold tuning untuk optimasi model. Hasil penelitian ini menunjukkan bahwa XGBoost yang dioptimalkan melalui GridSearchCV dan Threshold Tuning menghasilkan akurasi 78,87%% dan ROC-AUC 0,7211. Namun secara analitis, rendahnya nilai Recall (7,21%) pada XGBoost menunjukkan sifat model yang sangat konservatif. Sebaliknya, Random Forest dengan Class Weight menghasilkan F1-Score tertinggi (0,3673) dan lebih sensitif mendeteksi kasus gagal bayar. Penelitian ini menyimpulkan bahwa meskipun XGBoost unggul dalam presisi, Class Weight lebih efektif daripada SMOTE dalam mempertahankan integritas distribusi data asli untuk identifikasi Risiko.

Zitieren

APA

Nursyahbani, O., Faisal, S., Kusumaningrum, D. S., & Juwita, A. R. (2026). PERBANDINGAN KINERJA RANDOM FOREST DAN XGBOOST UNTUK PREDIKSI KETERLAMBATAN PINJAMAN ONLINE. Jurnal Informatika Teknologi dan Sains (Jinteks), 8(2), 833-838. https://doi.org/10.51401/jinteks.v8i2.7393

Vancouver

Nursyahbani O, Faisal S, Kusumaningrum DS, Juwita AR. PERBANDINGAN KINERJA RANDOM FOREST DAN XGBOOST UNTUK PREDIKSI KETERLAMBATAN PINJAMAN ONLINE. Jurnal Informatika Teknologi dan Sains (Jinteks). 2026;8(2):833-838. doi:10.51401/jinteks.v8i2.7393

BibTeX
@article{Nursyahbani2026,
  author = {Nursyahbani, Oktavia and Faisal, Sutan and Kusumaningrum, Dwi Sulistya and Juwita, Ayu Ratna},
  title = {PERBANDINGAN KINERJA RANDOM FOREST DAN XGBOOST UNTUK PREDIKSI KETERLAMBATAN PINJAMAN ONLINE},
  journal = {Jurnal Informatika Teknologi dan Sains (Jinteks)},
  year = {2026},
  volume = {8},
  number = {2},
  pages = {833--838},
  doi = {10.51401/jinteks.v8i2.7393}
}
Kostenlos starten →