Pengguna media sosial terus bertambah di seluruh dunia, khususnya di Indonesia yang memiliki lima platform media sosial yang paling aktif digunakan masyarakatnya, salah satunya adalah LinkedIn. Peningkatan pengguna media sosial menghasilkan data yang sangat besar (big data), big data diolah untuk menghasilkan wawasan dan membuat keputusan-keputusan strategis untuk bisnis, wawasan yang diperoleh dari big data dapat diterapkan diberbagai bidang, salah satunya pada lembaga keuangan seperti Bank untuk mendukung keputusan dalam menentukan layak tidaknya suatu nasabah melalui analisis kelayakan kredit. Data media sosial memuat informasi dan konten yang dapat digunakan sebagai data alternatif oleh lembaga keuangan seperti Bank dalam melakukan analisis kelayakan kredit, meskipun data media sosial memiliki banyak informasi yang tidak relevan terhadap kondisi kredit seseorang. Oleh karena itu, perlu adanya penyesuaian pendekatan teori dan pengolahan data yang tepat. Melalui permasalahan tersebut, penelitian ini bertujuan untuk melakukan analisis kelayakan kredit menggunakan data media sosial LinkedIn berupa data demografi dan jejaring sosial. Penelitian ini menggunakan salah satu model dalam metode data mining yaitu prediction analysis berupa metode classification (klasifikasi) dan memanfaatkan algoritma decision tree dan random forest. Hasil penelitian ini menunjukkan bahwa kombinasi data demografi dan jejaring sosial yang diolah menggunakan algoritma random forest terbukti mampu menghasilkan model kelayakan kredit terbaik dengan nilai accuracy sebesar 77.27 persen.
Kata kunci: Big Data, Media Sosial, Kelayakan Kredit, Prediction Analysis, Klasifikasi