Prediksi Risiko Gagal Bayar — Transparan.
Decision-support berbasis Machine Learning dengan penjelasan SHAP. Input NIM, tarik profil, dapatkan analisis risiko kredit yang transparan.
Performa Model
Angka yang Bicara
7 model diuji dengan Optuna hyperparameter tuning, threshold optimal, dan stratified 5-fold cross-validation.
7 Model
Logistic Reg, KNN, RF, XGBoost, CatBoost, LightGBM, SVM
AUC 0.71
Area Under Curve pada LightGBM terbaik
18 Fitur
4 input pengguna + 14 data profil dari database
Sistem kredit yang seharusnya transparan dan akuntabel.
Input NIM, Profil Otomatis
Masukkan NIM mahasiswa — sistem otomatis menarik 14 fitur finansial dari database tanpa input manual.
Prediksi berbasis AI
LightGBM dengan Optuna tuning menghasilkan probabilitas default dan risk band (RENDAH/SEDANG/TINGGI).
Transparan dengan SHAP
Top-6 faktor penjelas berbasis SHAP value ditampilkan agar keputusan staf dapat dipertanggungjawabkan.
Input NIM, Profil Otomatis
Masukkan NIM mahasiswa — sistem otomatis menarik 14 fitur finansial dari database tanpa input manual.
Prediksi berbasis AI
LightGBM dengan Optuna tuning menghasilkan probabilitas default dan risk band (RENDAH/SEDANG/TINGGI).
Transparan dengan SHAP
Top-6 faktor penjelas berbasis SHAP value ditampilkan agar keputusan staf dapat dipertanggungjawabkan.
Dari Data Mentah ke Model Siap Produksi
Metodologi Kami
01
Step 1
EDA & Data Cleaning
Eksplorasi dataset Lending Club 826k baris, 18 fitur. Penanganan missing values dengan 4-cut binning, feature engineering credit_age_years dari earliest_cr_line.
Feature Selection & Imbalance
IV/WoE analysis untuk seleksi 18 fitur final. Penanganan class imbalance dengan class_weight (dominan) vs SMOTE — class_weight terbukti lebih baik untuk credit scoring.
7 Model + Optuna Tuning
Logistic Regression, KNN, Random Forest, XGBoost, CatBoost, LightGBM, SVM — semua diuji dengan Optuna hyperparameter optimization, StratifiedKFold 5-fold CV.
Threshold Tuning & Bundle
Dual-threshold tuning out-of-fold: THR_RECALL (F2-optimal untuk cakupan risiko) dan THR_F1 (balanced). Model terbaik LightGBM dibundle ke Hugging Face.
Deploy API + Web
FastAPI inference API dengan SHAP TreeExplainer. Next.js frontend dengan decision-support: NIM lookup → profil → prediksi + SHAP → keputusan staf.
Tech Stack
Tools &
Stack
Teknologi yang digunakan mulai dari eksplorasi data, pelatihan model, deployment API, hingga antarmuka web.
- data & ml
Python
core language
- best model
LightGBM
gradient boosting
- interpretable
SHAP
explainability
- tuning
Optuna
hyperparameter tuning
- backend
FastAPI
inference api
- frontend
Next.js
full stack framework
- styling
Tailwind CSS
css framework
- api deploy
Hugging Face
model hosting
- fe deploy
Vercel
frontend deployment
Tim CreditGuard
CreditGuard
Masih ada pertanyaan?
Hubungi kami via email atau kunjungi halaman demo untuk mencoba langsung sistem prediksi risiko kredit kami.
FAQ
Get in touch
Punya pertanyaan tentang sistem, ingin berkolaborasi, atau butuh penjelasan metodologi? Kirim pesan!
- Tanya tentang metodologi model
- Diskusi implementasi credit scoring
- Feedback untuk improvement
CreditGuard