IMPLEMENTASI FRAMEWORK CRISP-DM UNTUK PROSES DATA MINING APLIKASI CREDIT SCORING PT. XYZ

Abstract

Proyek pengembangan Artificial Intelligence (AI) Credit Guarantee and Collateral untuk aplikasi credit scoring bertujuan meningkatkan ketepatan penilaian risiko kredit dengan memanfaatkan analisis jaminan dan agunan. Pemahaman bisnis yang mendalam mencakup tujuan bisnis, kebutuhan lembaga keuangan, dan fokus pada jaminan perorangan, jaminan kebendaan, dan analisis agunan. Metodologi CRISP-DM diterapkan mulai dari Pemahaman Bisnis, Pemahaman Data, Persiapan Data, hingga Pemodelan dan Pelatihan Data untuk menghasilkan model-machine learning yang handal. Penelitian ini berkontribusi dalam khazanah pengembangan AI credit scoring menggunakan metodologi CRISP-DM dengan memberikan gambaran secara luas pada tahap modelling dengan menyertakan perbandingan menyeluruh model klasifikasi menggunakan library Lazy Predict.  Evaluasi kinerja model dengan menggunakan akurasi dan F1 Score mengidentifikasi tiga model terbaik: RandomForestClassifier, BaggingClassifier, dan XGBClassifier. Proses Deployment melibatkan penyimpanan model dan pembuatan API dengan Flask, diikuti pengujian API untuk memastikan keberhasilan implementasi. Keseluruhan, proyek ini memberikan solusi AI yang efisien untuk prediksi credit score berbasis lokasi, meningkatkan kecerdasan dan akurasi dalam pengambilan keputusan kredit.