Abstract
<jats:p>Penilaian kelayakan kredit merupakan proses penting dalam industri keuangan untuk meminimalkan risiko gagal bayar. Studi ini bertujuan untuk mengembangkan sistem otomatis berbasis kecerdasan buatan menggunakan Algoritma Random Forest untuk mengevaluasi kelayakan kredit pelanggan. Metodologinya meliputi pengumpulan data pinjaman, pra-pemrosesan, pelatihan model Random Forest, dan pengembangan aplikasi web KreditSmart. Dataset terdiri dari 700 entri dengan fitur seperti jumlah pinjaman (plafond), jangka waktu (tenor), dan kualitas pembayaran (kolektilitas). Hasil menunjukkan bahwa model Random Forest mencapai akurasi 85%, dengan kualitas pembayaran sebagai prediktor utama. Aplikasi KreditSmart memungkinkan penilaian kredit secara real-time, meningkatkan efisiensi dan akurasi. Studi ini berkontribusi pada otomatisasi penilaian kredit, pengurangan risiko, dan referensi akademis untuk aplikasi pembelajaran mesin di bidang keuangan. Credit eligibility assessment is a critical process in the financial industry to minimize default risks. This study aims to develop an automated system based on artificial intelligence using the Random Forest algorithm to evaluate customer creditworthiness. The methodology includes collecting loan data, preprocessing, training the Random Forest model, and developing the KreditSmart web application. The dataset comprises 700 entries with features such as loan amount (plafond), tenure (tenor), and payment quality (kolektibilitas). Results show that the Random Forest model achieves an accuracy of 85%, with payment quality as the primary predictor. The KreditSmart application enables real-time credit assessment, enhancing efficiency and accuracy. This study contributes to credit assessment automation, risk reduction, and academic references for machine learning applications in finance.</jats:p>