Persetujuan kartu kredit memiliki peran yang besar dalam bisnis industri
perbankan. Kegiatan utama bank meliputi pemberian pinjaman, kartu kredit,
investasi, dan lain-lain. Dengan meningkatnya jumlah pengguna kartu kredit, bank
dapat menghadapi tingkat kegagalan pembayaran kartu kredit yang meningkat.
Pada penelitian ini, akan membangun dan membandingkan model Random Forest
dengan Deep Neural Network untuk menentukan metode terbaik dalam prediksi
persetujuan kartu kredit. Dataset yang digunakan dalam penelitian ini adalah
Credit Card Approval Prediction yang bersumber dari Kaggle. Data ini akan
dilakukan preprocessing terlebih dahulu sebelum diolah lebih lanjut menjadi suatu
model. Teknik oversampling menggunakan SMOTE juga dilakukan untuk melihat
pengaruh teknik tersebut dalam mengatasi masalah kelas yang tidak seimbang
pada dataset. Model Deep Neural Network mampu memberikan nilai akurasi,
precision, dan recall yang lebih tinggi dibandingkan dengan model Random
Forest. Hasil terbaik yang didapatkan model Random Forest adalah akurasi 78,2%,
precision 72,6%, dan recall 89,9% dengan menggunakan estimators 50, max
features 4, dan max depth 4. Sedangkan untuk model Deep Neural Network hasil
terbaik yang didapatkan adalah akurasi 93,9%, precision 91,6%, dan recall 96,5%
dengan menggunakan epoch 120, hidden layer 2, dan learning rate 0,1.