TY  - THES
N2  - Penelitian ini membahas perbandingan empat algoritma machine learning, 
yaitu Logistic Regression, Random Forest, LightGBM, dan CatBoost pada
klasifikasi kelayakan pinjaman nasabah menggunakan Loan Approval Prediction
Dataset dari Kaggle. Permasalahan utama pada penelitian ini adalah menentukan
algoritma yang paling efektif untuk memprediksi status persetujuan pinjaman,
sekaligus memastikan bahwa rancangan eksperimen terbebas dari data leakage dan
tidak menunjukkan overfitting yang berlebihan. Tahapan penelitian meliputi
pembersihan data, rekayasa fitur, exploratory data analysis, pembagian data secara
stratified ke dalam subset train, validasi, dan uji, pelatihan model baseline, serta
fine tuning hyperparameter. Evaluasi model dilakukan menggunakan metrik
accuracy, precision, recall, F1-score, dan ROC-AUC, serta analisis gap performa
antara data latih, validasi, dan data uji. Hasil penelitian menunjukkan bahwa
CatBoost hasil fine tuning memberikan performa terbaik dengan accuracy 0,9977,
F1-score 0,9981, dan ROC-AUC 1,0000 pada data uji. Random Forest menempati
posisi berikutnya, diikuti oleh LightGBM dan Logistic Regression. Tingginya
akurasi model terutama dipengaruhi oleh karakter dataset yang sangat mudah
dipisahkan, terutama karena dominasi variabel cibil_score. Penelitian ini
memberikan kontribusi berupa komparasi model yang disusun secara metodologis
lebih ketat dan dapat dimanfaatkan sebagai referensi akademik maupun praktis
pada pengembangan sistem prediksi kelayakan pinjaman berbasis data.
PB  - Universitas AMIKOM Yogyakarta
A1  - Staifen, Muhammad Wildanu
Y1  - 2026/05/18/
KW  - Risiko Kredit
KW  -  Machine Learning
KW  -  Klasifikasi Pinjaman
KW  -  Analisis
Komparasi
KW  -  Institusi Keuangan
KW  -  Credit Risk
KW  -  Loan Classification
KW  -  Comparative
Analysis
KW  -  Financial Institutions.
UR  - https://eprints.amikom.ac.id/id/eprint/33137/
ID  - universitasamikomyogyakarta33137
M1  - bachelor
AV  - restricted
TI  - ANALISIS KOMPARASI ALGORITMA MACHINE
LEARNING PADA KLASIFIKASI KELAYAKAN PINJAMAN
NASABAH
ER  -