KLASIFIKASI PEMBIAYAAN WARUNG MIKRO MENGGUNAKAN METODE RANDOM FOREST DENGAN TEKNIK SAMPLING KELAS IMBALANCED (Studi Kasus: Data Nasabah Pembiayaan Warung Mikro Bank Syariah Mandiri KC Jambi)

Abstract

Perekonomian rakyat merupakan prioritas utama dalam pembangunan sosial dengan upaya menciptakan lapangan kerja dan meningkatkan pendapatan masyarakat. Salah satu upaya untuk menciptakan lapangan kerja dan meningkatkan pendapatan masyarakat yaitu Usaha Mikro, Kecil dan Menengah (UMKM). UMKM telah menjadi tonggak perekonomian nasional karena mampu bertahan dan menguasai sebagian besar usaha di Indonesia. Namun, masih terdapat permasalahan pada sektor UMKM, salah satunya adalah kurangnya permodalan. Pinjaman uang dari bank merupakan solusi pada sektor UMKM dalam memenuhi kebutuhan modalnya, salah satu bank yang membantu akses pembiayaan dan pengembangan UMKM yaitu Bank Syariah Mandiri dengan produk Warung Mikro. Namun, dalam pembiayaan terdapat permasalahan seperti kredit atau pembiayaan macet, maka dari itu diperlukan analisis untuk melihat nasabah yang berpotensi untuk mengalami pembiayaan bermasalah. Random forest merupakan teknik data mining untuk melakukan klasifikasi. Namun jika dataset yang digunakan merupakan sebuah data yang imbalanced (tidak seimbang) maka diperlukan pendekatan dengan melakukan resample pada data asli menggunakan teknik sampling kelas imbalanced. Data yang digunakan yaitu data nasabah pembiayaan Warung Mikro tahun 2014-2017. Berdasarkan hasil penelitian, didapatkan bahwa dengan menggunakan random forest nilai sensitivty bernilai 0 yang berarti menghasilkan akurasi yang bias. Setelah menggunakan teknik sampling kelas imbalanced, nilai sensitivity, precision, dan G-mean meningkat dibandingkan menggunakan data asli. Random forest dengan teknik oversampling mempunyai nilai AUC tertinggi yaitu sebesar 66.69%.