%0 Thesis
%9 S1 - Sarjana
%A Raehan, Alfat
%A Universitas AMIKOM Yogyakarta,
%B Fakultas Ilmu Komputer
%D 2025
%F universitasamikomyogyakarta:31494
%I Universitas AMIKOM Yogyakarta
%K Kredit, Gagal Bayar, Prediksi, Decision Tree, Risiko Bank
%T PREDIKSI KEGAGALAN KREDIT MENGGUNAKAN ALGORITMA DECISION TREE UNTUK MEMINIMALKAN RESIKO BANK
%U https://eprints.amikom.ac.id/id/eprint/31494/
%X Pemberian kredit kepada nasabah merupakan aktivitas utama perbankan  yang mengandung risiko kegagalan pembayaran. Risiko ini dapat menimbulkan  kerugian finansial jika tidak diantisipasi sejak dini. Oleh karena itu, diperlukan  sistem prediksi yang mampu mengidentifikasi nasabah dengan potensi gagal bayar.  Penelitian ini bertujuan untuk membangun model prediksi kegagalan kredit  menggunakan algoritma Decision Tree C4.5 guna meminimalkan risiko kredit pada  bank. Dataset yang digunakan berasal dari Kaggle, berjumlah 7.500 data pinjaman  dengan 18 atribut fitur. Proses penelitian meliputi eksplorasi data, pembersihan  data, transformasi atribut, penyeimbangan data menggunakan SMOTE, serta  pelatihan model dan tuning hyperparameter menggunakan GridSearchCV.   Evaluasi model dilakukan menggunakan confusion matrix, classification  report, ROC curve, dan AUC. Hasil penelitian menunjukkan bahwa model  menghasilkan akurasi sebesar 79%, dengan precision, recall, dan F1-score yang  seimbang antara kelas gagal bayar dan tidak. Nilai AUC sebesar 0.80 menunjukkan  bahwa model memiliki kemampuan klasifikasi yang cukup baik. Atribut yang  paling berpengaruh dalam prediksi adalah Credit Score, Monthly Debt, dan Annual  Income. Hasil ini menunjukkan bahwa algoritma Decision Tree C4.5 dapat  diandalkan sebagai alat bantu dalam pengambilan keputusan kredit untuk  meminimalkan risiko kegagalan pembayaran.