PENERAPAN ALGORITMA GRADIENT BOOSTING UNTUK PREDIKSI RISIKO KETERLAMBATAN PEMBAYARAN SISWA DIGIKIDZ SOLO MENGGUNAKAN METODE CRISP-DM

Abstract

Keterlambatan pembayaran biaya pendidikan merupakan masalah yang kerap dihadapi oleh lembaga pendidikan karena dapat memengaruhi kelancaran pengelolaan keuangan. Proses penagihan yang masih dilakukan secara manual sering kali menyulitkan pihak administrasi dalam mengidentifikasi siswa yang berpotensi mengalami keterlambatan pembayaran. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan model prediksi risiko keterlambatan pembayaran siswa guna mendukung proses pengambilan keputusan yang lebih efektif. Penelitian dilakukan dengan menerapkan algoritma Gradient Boosting menggunakan pendekatan CRISP-DM (Cross Industry Standard Process for Data Mining). Data yang digunakan berupa riwayat pembayaran siswa yang mencakup informasi biaya pembayaran, metode pembayaran, jenis program, dan riwayat keterlambatan pembayaran. Tahapan penelitian meliputi preprocessing data, pembangunan model menggunakan XGBoost, serta evaluasi kinerja model menggunakan metrik accuracy, precision, recall, F1-score, dan Area Under Curve (AUC). Hasil pengujian menunjukkan bahwa model menghasilkan nilai accuracy sebesar 0,71 dan AUC sebesar 0,80, yang menunjukkan kemampuan cukup baik dalam memprediksi kemungkinan keterlambatan pembayaran siswa. Model yang dihasilkan diharapkan dapat membantu lembaga pendidikan dalam melakukan deteksi dini terhadap siswa yang berisiko mengalami keterlambatan pembayaran sehingga proses penagihan dapat dilakukan secara lebih tepat dan efisien