Program Studi Bisnis Digital • FEB UNDIP

Machine Learning in Finance

Pertemuan 12 — Logistic Regression, Decision Tree, dan Random Forest

Dari regresi klasifikasi biner hingga ensemble pohon keputusan: tiga model supervised learning untuk memprediksi gagal bayar, klasifikasi risiko, dan keputusan kredit di dunia keuangan.

RPS MINGGU 13 • 2 × 50 MENIT

Tujuan Pembelajaran Hari Ini

Sub-CPMK: mahasiswa mampu menerapkan teknik supervised learning untuk klasifikasi data keuangan.

TUJUAN 1

PAHAMI KLASIFIKASI

Membedakan masalah klasifikasi (kategori: ya/tidak) dari regresi (angka kontinu) dalam konteks keuangan.

TUJUAN 2

TIGA MODEL INTI

Menjelaskan cara kerja logistic regression, decision tree, dan random forest serta kapan masing-masing dipakai.

TUJUAN 3

HITUNG MANUAL

Menghitung probabilitas logistic regression dan Gini impurity pohon keputusan secara manual dari data kecil.

TUJUAN 4

EVALUASI MODEL

Membaca metrik akurasi, confusion matrix, dan memahami mengapa random forest lebih stabil dari satu pohon tunggal.

Mengapa Klasifikasi Penting di Dunia Keuangan?

Banyak keputusan finansial sebenarnya adalah pertanyaan ya/tidak, bukan "berapa".

KREDIT

GAGAL BAYAR?

Bank BRI menilai ribuan pengajuan KUR harian — layak atau tidak layak disetujui.

FRAUD

TRANSAKSI MENCURIGAKAN?

GoPay/OVO mendeteksi transaksi tidak wajar dalam hitungan detik dari jutaan transaksi.

SAHAM

NAIK ATAU TURUN?

Trader algoritmik memprediksi arah harga BBCA besok: naik atau turun, bukan angka pastinya.

Ketiga model hari ini — logistic regression, decision tree, random forest — adalah "mesin" paling umum di balik keputusan otomatis semacam ini di industri fintech dan perbankan Indonesia.

Klasifikasi vs Regresi: Mengingat Kembali

Anda sudah bertemu regresi (OLS) di awal semester. Klasifikasi mirip tapi outputnya berbeda.

Aspek	Regresi (mis. OLS)	Klasifikasi (hari ini)
Output	Angka kontinu (mis. harga saham Rp 8.750)	Kategori/kelas (mis. "gagal bayar" / "lancar")
Contoh kasus	Memprediksi return portofolio bulan depan	Memprediksi status kredit nasabah
Ukuran kesalahan	RMSE, MAE (jarak angka)	Akurasi, confusion matrix
Model hari ini	—	Logistic regression, decision tree, random forest

Bagian 1 dari 4

Logistic Regression

Model klasifikasi biner paling fundamental — mengubah probabilitas menjadi keputusan ya/tidak menggunakan kurva berbentuk S.

Apa itu Logistic Regression?

Model yang memprediksi probabilitas suatu kejadian (0 sampai 1), lalu diklasifikasi jadi kelas biner.

Masalah dengan Regresi Linear Biasa

Jika kita pakai OLS untuk memprediksi "gagal bayar" (0/1), hasil prediksinya bisa di bawah 0 atau di atas 1 — tidak masuk akal sebagai probabilitas.

Solusi: Fungsi Sigmoid

Logistic regression membungkus hasil linear dengan fungsi sigmoid (kurva-S) sehingga output selalu berada di rentang 0–1, valid sebagai probabilitas.

P(y=1) = 1 / (1 + e^{−(β₀ + β₁x)})

Kurva Sigmoid: Dari Skor Mentah ke Probabilitas

Berapa pun nilai skor mentah (sumbu-x), sigmoid selalu memetakannya ke rentang 0–1 (sumbu-y).

Ambang batas (threshold) default biasanya P ≥ 0,50 → diklasifikasikan kelas 1 (mis. "berpotensi gagal bayar").

Hitung dari Nol #1 — Probabilitas Logistic Regression

Kasus: bank menilai gagal bayar dari rasio utang. Model: β₀ = −3, β₁ = 4, x = rasio utang terhadap pendapatan = 0,9.

Langkah	Perhitungan	Nilai
1. Skor mentah (z)	−3 + (4 × 0,9)	z = 0,6
2. Pangkat e^−z	e^−0,6	≈ 0,5488
3. Penyebut (1 + e^−z)	1 + 0,5488	1,5488
4. Probabilitas P(y=1)	1 ÷ 1,5488	P ≈ 0,646

Karena P (0,646) > ambang 0,50 → nasabah ini diklasifikasikan berpotensi gagal bayar.

Sekarang kita hitung sendiri langkah demi langkah supaya Anda benar-benar paham, bukan sekadar percaya pada output Python. Bayangkan sebuah bank menilai pengajuan kredit dengan model sederhana yang punya dua parameter, beta nol negatif tiga dan beta satu empat, dan calon nasabah punya rasio utang terhadap pendapatan sebesar 0,9. Langkah pertama, kita hitung skor mentahnya dengan mengalikan dan menjumlahkan seperti regresi linear biasa, hasilnya 0,6. Langkah kedua, kita masukkan ke fungsi eksponensial negatif, menghasilkan sekitar 0,5488. Langkah ketiga kita tambahkan satu, lalu langkah terakhir kita bagi satu dengan angka itu, menghasilkan probabilitas 0,646 atau sekitar 64,6 persen. Karena angka ini di atas ambang batas 0,50, model akan mengklasifikasikan nasabah ini sebagai berpotensi gagal bayar — perhatikan bagaimana angka probabilitas mentah akhirnya diterjemahkan menjadi keputusan bisnis yang konkret.

Membaca Koefisien: Arah, Bukan Cuma Besaran

Tanda koefisien (β) menunjukkan arah pengaruh variabel terhadap probabilitas kelas 1.

β POSITIF

MENAIKKAN P

Rasio utang naik → probabilitas gagal bayar naik. Contoh: β₁ = 4 pada slide sebelumnya.

β NEGATIF

MENURUNKAN P

Lama menjadi nasabah (tahun) naik → probabilitas gagal bayar biasanya turun (nasabah loyal lebih terpercaya).

Berbeda dari OLS, besaran β logistic regression tidak langsung berarti "kenaikan probabilitas sekian persen" — itu perlu transformasi tambahan (odds ratio), di luar cakupan hari ini.

Satu hal penting yang perlu Anda pahami sebagai calon analis data keuangan adalah cara membaca tanda koefisien beta. Kalau koefisiennya positif, artinya semakin besar nilai variabel tersebut, semakin besar pula probabilitas masuk ke kelas 1 — misalnya rasio utang yang tinggi menaikkan probabilitas gagal bayar, itu masuk akal secara bisnis. Sebaliknya kalau koefisiennya negatif, variabel itu justru menurunkan probabilitas kelas 1, misalnya lama menjadi nasabah yang biasanya berkorelasi dengan loyalitas dan risiko lebih rendah. Yang perlu Anda hati-hati adalah, besaran angka beta itu sendiri tidak bisa langsung dibaca sebagai persentase kenaikan probabilitas — ada transformasi matematis lain yang disebut odds ratio untuk itu, tapi itu di luar cakupan kita hari ini, cukup Anda pahami arah pengaruhnya dulu.

Bagian 2 dari 4

Decision Tree

Model yang meniru cara manusia mengambil keputusan: serangkaian pertanyaan ya/tidak yang bercabang seperti pohon.

Anatomi Sebuah Decision Tree

Pohon terdiri dari node (pertanyaan), cabang (jawaban), dan leaf/daun (keputusan akhir).

Bagaimana Pohon Memilih Pertanyaan Terbaik?

Pohon memilih pertanyaan (split) yang membuat kelompok hasil paling "murni" (seragam kelasnya) — diukur dengan Gini impurity.

Gini = 1 − (p₁)² − (p₂)²

GINI = 0

MURNI SEMPURNA

Semua anggota kelompok satu kelas saja (mis. semua "lancar"). Split ideal.

GINI = 0,50

PALING CAMPUR

Kelompok terbagi 50:50 antara dua kelas — split ini tidak informatif.

Pertanyaan yang mungkin muncul di benak Anda: dari ribuan kemungkinan pertanyaan yang bisa diajukan, bagaimana pohon memilih yang terbaik? Jawabannya adalah dengan mengukur kemurnian atau "impurity" hasil pembagian menggunakan rumus yang disebut Gini impurity. Nilai Gini berkisar dari nol sampai 0,50 untuk kasus dua kelas — semakin dekat ke nol, semakin murni atau seragam kelompok hasilnya, artinya split tersebut sangat informatif dalam memisahkan kelas. Sebaliknya, jika Gini-nya 0,50, itu artinya kelompok tersebut terbagi rata 50 banding 50 antara dua kelas, yang berarti pertanyaan itu praktis tidak membantu memisahkan apa pun. Algoritma pohon akan mencoba semua kemungkinan pertanyaan pada setiap variabel dan memilih yang menghasilkan penurunan Gini paling besar, dan proses ini diulang di setiap cabang secara rekursif.

Hitung dari Nol #2 — Gini Impurity

Kasus: kelompok 10 nasabah setelah split "penghasilan > Rp 5 juta = ya" → 8 lancar, 2 gagal bayar.

Langkah	Perhitungan	Nilai
1. Proporsi kelas "lancar" (p₁)	8 ÷ 10	p₁ = 0,80
2. Proporsi kelas "gagal bayar" (p₂)	2 ÷ 10	p₂ = 0,20
3. Kuadrat tiap proporsi	0,80² = 0,64 & 0,20² = 0,04	0,64 dan 0,04
4. Gini = 1 − jumlah kuadrat	1 − (0,64 + 0,04)	Gini = 0,32

Gini 0,32 jauh di bawah 0,50 → split ini cukup baik memisahkan nasabah lancar dari gagal bayar.

Mari kita praktikkan langsung dengan angka konkret supaya rumus Gini tadi tidak terasa abstrak. Bayangkan setelah pohon bertanya "apakah penghasilan di atas Rp 5 juta", terkumpul 10 nasabah dalam kelompok jawaban ya, dengan rincian 8 orang berstatus lancar dan 2 orang gagal bayar. Langkah pertama kita hitung proporsi masing-masing kelas, 8 dari 10 sama dengan 0,80 untuk lancar, dan 2 dari 10 sama dengan 0,20 untuk gagal bayar. Langkah kedua kita kuadratkan masing-masing proporsi itu, menghasilkan 0,64 dan 0,04. Langkah terakhir kita jumlahkan kedua kuadrat itu lalu kurangkan dari satu, hasilnya 0,32. Karena 0,32 jauh lebih kecil dari 0,50, kita bisa simpulkan split "penghasilan di atas Rp 5 juta" ini cukup efektif memisahkan nasabah lancar dari yang berisiko gagal bayar, dan pohon akan cenderung memilih pertanyaan semacam ini.

Coba Sendiri: Uji Split Terbaik lewat Gini

Coba beberapa titik split berbeda pada data nasabah dan amati bagaimana nilai Gini impurity berubah untuk menentukan split mana yang terbaik.

Bahaya Decision Tree: Overfitting

Pohon yang dibiarkan tumbuh tanpa batas akan "menghafal" data latih, bukan mempelajari pola umum.

POHON TERLALU DALAM

HAFAL, TIDAK BELAJAR

Akurasi data latih bisa 100%, tapi meleset jauh pada data baru — seperti mahasiswa yang menghafal soal ujian tahun lalu persis, gagal saat soal diubah sedikit.

SOLUSI UMUM

BATASI KEDALAMAN

Tetapkan max depth (kedalaman maksimum) atau jumlah minimum sampel per daun agar pohon tidak terlalu spesifik ke data latih.

Overfitting adalah alasan utama mengapa satu decision tree jarang dipakai sendirian di produksi — solusinya ada di bagian berikutnya: random forest.

Decision tree punya kelemahan besar yang harus Anda waspadai: kecenderungan overfitting, atau menghafal data latih terlalu detail. Bayangkan pohon dibiarkan terus bercabang sampai setiap daun hanya berisi satu nasabah saja — akurasinya di data latih bisa sempurna 100 persen, tapi begitu diuji pada nasabah baru yang belum pernah dilihat, performanya jeblok. Ini mirip mahasiswa yang menghafal persis soal ujian tahun lalu kata per kata, tapi begitu dosen mengubah sedikit angka di soal, dia langsung kebingungan karena tidak benar-benar memahami konsepnya. Solusi paling umum adalah membatasi kedalaman pohon atau menetapkan jumlah minimum sampel di setiap daun. Namun ada solusi yang jauh lebih elegan dan powerful, yang akan kita bahas di bagian selanjutnya: menggabungkan banyak pohon sekaligus menjadi random forest.

Bagian 3 dari 4

Random Forest

"Kebijaksanaan orang banyak" diterapkan ke machine learning — ratusan pohon keputusan yang saling melengkapi kelemahan satu sama lain.

Random Forest: Banyak Pohon, Satu Keputusan

Membangun banyak decision tree yang masing-masing sedikit berbeda, lalu menggabungkan hasilnya lewat voting.

Dua Sumber "Keacakan" (Random)

Bootstrap sampling — tiap pohon dilatih dengan sampel data yang diambil acak (dengan pengembalian) dari data asli, bukan data yang sama persis.
Random feature selection — tiap pertanyaan/split hanya boleh memilih dari subset variabel acak, bukan semua variabel sekaligus.

Hasil akhir klasifikasi = voting mayoritas dari semua pohon. Jika 70 dari 100 pohon memprediksi "gagal bayar", maka keputusan akhir = gagal bayar.

Perhatikan dua sumber keacakan yang membuat random forest bekerja dengan baik. Pertama, bootstrap sampling — setiap pohon di dalam forest tidak dilatih dengan data yang sama persis, melainkan sampel acak dengan pengembalian dari data asli, sehingga setiap pohon "melihat" versi data yang sedikit berbeda. Kedua, random feature selection — setiap kali pohon hendak bertanya atau melakukan split, ia hanya diperbolehkan memilih dari sebagian variabel secara acak, bukan seluruh variabel yang tersedia. Kombinasi dua keacakan ini membuat setiap pohon di dalam forest menjadi unik dan tidak saling meniru kesalahan yang sama. Setelah semua pohon selesai dilatih, keputusan akhirnya diambil lewat voting mayoritas — bayangkan seperti pemungutan suara di rapat RT, jika mayoritas pohon bilang "gagal bayar", itulah keputusan final forest.

Walkthrough — Mengapa Voting Mengurangi Overfitting?

Ikuti alur berikut untuk memahami intuisi "kesalahan saling menetralkan" dalam random forest.

Tahap	Apa yang terjadi
1. Satu pohon tunggal	Overfitting ke pola khusus di data latihnya sendiri → rentan salah pada data baru.
2. 100 pohon dilatih beda-beda	Tiap pohon overfitting ke arah berbeda-beda (karena bootstrap + fitur acak) — kesalahannya tidak seragam.
3. Voting mayoritas	Kesalahan acak antar-pohon saling "membatalkan" saat divoting; pola sungguhan yang konsisten tetap menang.
4. Hasil forest	Prediksi lebih stabil & akurat pada data baru dibanding satu pohon mana pun.

Mari kita telusuri langkah demi langkah kenapa mekanisme voting ini secara matematis masuk akal, bukan sekadar trik. Tahap pertama, kita tahu satu pohon tunggal cenderung overfitting, menghafal kekhususan data latihnya sendiri termasuk noise atau kebisingan yang sebenarnya tidak relevan. Tahap kedua, karena setiap pohon di forest dilatih dengan sampel data dan subset variabel yang berbeda-beda, kesalahan overfitting masing-masing pohon juga mengarah ke arah yang berbeda-beda, tidak seragam. Tahap ketiga, inilah kuncinya — ketika kita menggabungkan lewat voting, kesalahan-kesalahan acak yang arahnya berbeda-beda itu cenderung saling menetralkan satu sama lain, sementara pola yang benar-benar konsisten dan nyata di data akan tetap muncul sebagai suara mayoritas. Hasilnya, di tahap keempat, prediksi forest jauh lebih stabil dan dapat diandalkan dibandingkan mengandalkan satu pohon saja.

Walkthrough — Membaca Feature Importance

Bonus random forest: ia bisa memberi tahu variabel mana yang paling berpengaruh terhadap prediksi.

Tahap	Apa yang terjadi
1. Tiap pohon mencatat	Setiap kali sebuah variabel dipakai untuk split, dicatat seberapa besar penurunan Gini yang dihasilkan.
2. Dirata-rata seluruh forest	Penurunan Gini dari satu variabel dirata-rata di ratusan pohon → skor "feature importance".
3. Diurutkan	Variabel dengan skor tertinggi = paling berpengaruh terhadap keputusan model (mis. rasio utang sering di puncak).
4. Manfaat bisnis	Bank bisa menjelaskan ke OJK/nasabah variabel apa yang paling menentukan keputusan kredit.

Salah satu keunggulan praktis random forest yang sangat dihargai di industri keuangan adalah kemampuannya menghasilkan feature importance, atau peringkat variabel paling berpengaruh. Prosesnya begini — setiap kali sebuah variabel dipakai untuk melakukan split di dalam pohon manapun, sistem mencatat seberapa besar penurunan Gini impurity yang dihasilkan variabel tersebut. Setelah semua pohon selesai dilatih, penurunan Gini dari satu variabel dirata-rata di seluruh ratusan pohon, menghasilkan satu skor feature importance per variabel. Variabel-variabel ini kemudian diurutkan dari yang paling berpengaruh, dan biasanya di kasus credit scoring, rasio utang terhadap pendapatan sering muncul di puncak. Manfaat bisnisnya sangat nyata — ketika OJK atau nasabah bertanya mengapa pengajuan kreditnya ditolak, bank bisa menunjukkan dengan data variabel apa yang paling menentukan keputusan tersebut, bukan sekadar "kata sistem".

Perbandingan Tiga Model

Aspek	Logistic Regression	Decision Tree	Random Forest
Interpretasi	Mudah (koefisien & arah)	Sangat mudah (jalur pertanyaan)	Sedang (feature importance)
Akurasi tipikal	Sedang	Sedang, rawan overfit	Tinggi & stabil
Kecepatan hitung	Sangat cepat	Cepat	Lebih lambat (banyak pohon)
Cocok untuk	Baseline, laporan ke regulator	Aturan bisnis sederhana	Produksi, akurasi prioritas

Sekarang mari kita rangkum ketiga model dalam satu tabel perbandingan agar Anda punya panduan praktis kapan memilih yang mana. Logistic regression unggul dalam interpretasi karena koefisiennya bisa langsung dijelaskan arah pengaruhnya, sangat cocok ketika Anda harus melaporkan model ke OJK atau auditor yang menuntut transparansi. Decision tree paling mudah dipahami secara visual karena Anda tinggal menelusuri jalur pertanyaannya, cocok untuk membuat aturan bisnis sederhana yang bisa dijelaskan ke staf non-teknis, tapi rawan overfitting jika tidak dibatasi. Random forest biasanya memberikan akurasi tertinggi dan paling stabil, namun sedikit lebih lambat dihitung karena melatih ratusan pohon sekaligus, dan interpretasinya tidak sesederhana satu pohon tunggal. Dalam praktik, banyak fintech menggunakan logistic regression sebagai model awal yang wajib dilaporkan ke regulator, sambil menjalankan random forest sebagai model produksi yang lebih akurat.

Bagian 4 dari 4

Evaluasi Model & Latihan

Model yang akurat di atas kertas belum tentu berguna — kita perlu cara membaca performa model dengan benar.

Confusion Matrix: Melihat Lebih dari Sekadar Akurasi

Tabel yang memecah prediksi model menjadi empat kemungkinan — penting karena akurasi saja bisa menipu.

	Prediksi: Lancar	Prediksi: Gagal Bayar
Aktual: Lancar	True Negative (benar)	False Positive (salah tolak)
Aktual: Gagal Bayar	False Negative (salah, bahaya!)	True Positive (benar)

False Negative paling berbahaya di kredit: model bilang "lancar" padahal nasabah sebenarnya akan gagal bayar → bank rugi.

Confusion matrix adalah alat paling penting untuk mengevaluasi model klasifikasi secara jujur, dan Anda wajib menguasainya. Tabel ini membagi hasil prediksi menjadi empat kotak: true negative, ketika model benar memprediksi nasabah lancar; false positive, ketika model salah menolak nasabah yang sebenarnya lancar, ini merugikan dari sisi kehilangan peluang bisnis; false negative, ketika model bilang nasabah lancar padahal sebenarnya akan gagal bayar, ini yang paling berbahaya karena bank akan benar-benar rugi uang; dan terakhir true positive, ketika model benar mendeteksi nasabah yang memang berisiko gagal bayar. Dalam konteks perbankan Indonesia, kesalahan false negative jauh lebih mahal dibanding false positive, karena itu berarti bank menyalurkan kredit ke nasabah yang sebenarnya tidak layak, sehingga banyak bank sengaja mengatur ambang batas probabilitas lebih konservatif untuk meminimalkan false negative.

Jebakan Akurasi: Kasus Data Tidak Seimbang

Deteksi fraud: dari 1.000 transaksi, hanya 10 yang benar-benar fraud (1%).

MODEL "MALAS"

99% AKURASI

Model yang selalu menebak "bukan fraud" untuk semua transaksi → benar 990 dari 1.000 kali, tapi gagal total mendeteksi fraud sungguhan.

PELAJARAN

AKURASI SAJA TIDAK CUKUP

Untuk kasus data tidak seimbang (fraud, gagal bayar langka), lihat juga recall pada kelas minoritas — bukan hanya akurasi keseluruhan.

Ini adalah salah satu jebakan paling umum yang harus Anda waspadai ketika bekerja dengan data keuangan riil. Bayangkan sebuah sistem deteksi fraud pada platform pembayaran digital, dari 1.000 transaksi hanya ada 10 yang benar-benar fraud, sekitar 1 persen saja. Kalau ada model "malas" yang selalu menebak "bukan fraud" untuk setiap transaksi tanpa terkecuali, model itu akan benar 990 dari 1.000 kali, menghasilkan akurasi 99 persen yang terlihat sangat mengesankan di atas kertas. Tapi model ini sama sekali tidak berguna, karena ia gagal total mendeteksi satu pun fraud sungguhan yang justru menjadi tujuan utama dibangunnya sistem tersebut. Inilah alasan mengapa untuk kasus data yang tidak seimbang seperti fraud atau gagal bayar yang jarang terjadi, Anda perlu melihat metrik lain seperti recall pada kelas minoritas, bukan hanya mengandalkan angka akurasi keseluruhan yang bisa sangat menyesatkan.

Latihan Kelas — Diskusikan Berpasangan (10 menit)

Soal 1 — Hitung Manual

Sebuah split menghasilkan kelompok 20 nasabah: 15 lancar, 5 gagal bayar. Hitung Gini impurity kelompok ini. Bandingkan dengan hasil slide "Hitung dari Nol #2" (Gini = 0,32) — mana yang lebih murni?

Soal 2 — Konseptual

Sebuah fintech P2P lending ingin melaporkan model credit scoring-nya ke OJK dengan penjelasan yang transparan, tapi juga ingin akurasi setinggi mungkin untuk mengurangi kredit macet. Model mana yang Anda rekomendasikan, dan mengapa? Pertimbangkan trade-off interpretasi vs akurasi.

Sekarang giliran Anda mempraktikkan apa yang sudah kita pelajari, silakan berpasangan dengan teman sebelah dan kerjakan dua soal ini dalam waktu 10 menit. Soal pertama menguji kemampuan hitung manual Anda dengan Gini impurity menggunakan angka yang berbeda dari contoh tadi, sehingga Anda benar-benar memahami rumusnya bukan sekadar meniru langkah yang sudah ada. Soal kedua adalah soal konseptual yang mencerminkan dilema nyata yang dihadapi banyak fintech P2P lending di Indonesia — mereka harus mematuhi regulasi OJK yang menuntut transparansi model, tapi juga bersaing dari sisi akurasi dengan kompetitor lain. Coba pikirkan, mungkinkah menggunakan kedua model sekaligus, satu untuk pelaporan dan satu untuk keputusan produksi? Saya akan berkeliling untuk mendengar diskusi Anda, dan kita akan bahas bersama setelah waktu habis.

Rangkuman: Cheat Sheet Tiga Model

Model	Inti Cara Kerja	Kata Kunci
Logistic Regression	Skor linear → sigmoid → probabilitas 0–1	Sigmoid, threshold, koefisien
Decision Tree	Pertanyaan bercabang, pilih split ber-Gini rendah	Node, leaf, Gini impurity
Random Forest	Banyak tree acak → voting mayoritas	Bootstrap, feature importance, voting

Evaluasi model klasifikasi selalu pakai confusion matrix, bukan akurasi saja — terutama untuk kasus data tidak seimbang seperti fraud/gagal bayar.

Mari kita rangkum seluruh materi hari ini dalam satu tabel yang bisa Anda jadikan catatan ringkas untuk belajar kembali sebelum ujian atau sebelum sesi praktik. Logistic regression bekerja dengan mengubah skor linear menjadi probabilitas lewat fungsi sigmoid, lalu dibandingkan dengan ambang batas untuk menentukan kelas. Decision tree bekerja dengan mengajukan serangkaian pertanyaan bercabang, memilih pertanyaan yang menghasilkan Gini impurity paling rendah di setiap langkah. Random forest menggabungkan banyak decision tree yang masing-masing dilatih dengan data dan variabel acak, lalu mengambil keputusan lewat voting mayoritas. Dan yang tidak kalah penting, selalu evaluasi model klasifikasi Anda dengan confusion matrix, bukan hanya angka akurasi tunggal, karena angka akurasi bisa sangat menyesatkan terutama pada kasus data yang tidak seimbang seperti deteksi fraud atau gagal bayar kredit.

Sebelum Pertemuan Berikutnya

Minggu Depan

Melanjutkan ke teknik supervised learning lain: K-Nearest Neighbors (KNN) untuk klasifikasi berbasis kedekatan data, serta praktik implementasi Python untuk ketiga model hari ini.

TUGAS PERSIAPAN

BACA & SIAPKAN

Instal Python (scikit-learn) sebelum pertemuan berikutnya; ulangi perhitungan manual sigmoid & Gini di slide 8 dan 13 sampai lancar tanpa melihat catatan.

Sebelum kita tutup pertemuan hari ini, ada dua hal yang perlu Anda siapkan. Pertama, minggu depan kita akan melanjutkan perjalanan teknik supervised learning dengan mempelajari K-Nearest Neighbors atau KNN, model klasifikasi yang bekerja dengan prinsip kedekatan — mirip seperti menilai seseorang dari lingkungan pertemanannya, dan sekaligus kita akan mulai praktik langsung mengimplementasikan ketiga model hari ini menggunakan Python dengan library scikit-learn. Kedua, sebagai persiapan, pastikan Anda sudah menginstal Python beserta library scikit-learn di laptop masing-masing sebelum pertemuan berikutnya, karena kita akan langsung praktik tanpa banyak waktu untuk instalasi. Saya juga sangat menyarankan Anda mengulang perhitungan manual sigmoid dan Gini impurity di slide 8 dan 13 tadi sampai benar-benar lancar tanpa melihat catatan, karena pemahaman konsep dasar ini akan sangat membantu Anda saat men-debug kode Python nanti. Sampai jumpa di pertemuan berikutnya!