Klasifikasi Status Pembayaran Berdasarkan Jenis Perusahaan, Jenis Pengadaan, dan Nilai Invoice menggunakan Regresi Logistik dan Random Forest (Studi Kasus : Data Fiat Pembayaran di Bank X Pada Bulan Januari-Juni 2024)

Abstract

Manajemen pembayaran merupakan aspek penting dalam operasional perbankan untuk memastikan kelancaran transaksi pengadaan barang dan jasa. Invoice sebagai dokumen resmi menjadi dasar dalam proses pembayaran. Ketepatan pembayaran sangat penting untuk menjaga kredibilitas perusahaan. Penelitian ini bertujuan untuk menganalisis faktor-faktor yang memengaruhi status pembayaran berdasarkan jenis perusahaan, jenis pengadaan, dan nilai invoice menggunakan regresi logistik dan random forest. Metode ini dipilih karena mampu memodelkan hubungan antara variabel independen dan variabel dependen biner, yaitu status pembayaran “terbayar” dan “tidak terbayar”. Hasil penelitian ini diharapkan dapat membantu dalam meningkatkan efisiensi sistem pembayaran dan mendukung pengambilan keputusan berbasis data. Penelitian ini dilatarbelakangi oleh pengalaman magang peneliti di unit payment, di mana masih minimnya penelitian serupa di sektor perbankan. Hasil regresi logistik menunjukkan bahwa jenis pengadaan dan nilai invoice berpengaruh signifikan terhadap status pembayaran, dengan nilai invoice sebagai variabel yang paling dominan berdasarkan nilai p-value terkecil. Pada random forest, nilai invoice juga menempati posisi tertinggi dalam tingkat kepentingan variabel. Lalu dalam hal akurasi prediksi, random forest menunjukkan kinerja yang lebih unggul dengan akurasi 94,47%, dibandingkan dengan regresi logistik yang hanya mencapai 59,30%. Meski presisi kedua metode sama tinggi hampir 97% random forest memiliki recall dan F1-Score yang jauh lebih baik. Recall random forest sebesar 97,41% menunjukkan kemampuannya mendeteksi hampir semua invoice yang benar-benar terbayar, sementara regresi logistik hanya 69,19%.