Dalam proses penerimaan kredit, lembaga keuangan menganalisis kelayakan kredit peminjam melalui data demografis mereka berdasarkan prinsip 5C; karakter, kapasitas, kondisi, modal, dan agunan. Namun, metode penilaian kredit warisan masih memiliki kelemahan, termasuk tidak memiliki reputasi kredit yang sangat baik karena terbatas pada sifat struktural data demografis. Kami membangun model penilaian kredit dengan menggabungkan elemen demografis dan menambahkan dua elemen media sosial; konten dan jaringan. Konten mempertimbangkan kelayakan kredit dengan menilai posting peminjam, yang terdiri dari opini dan percakapan di media sosial. Sebagai perbandingan, jaringan mempertimbangkan konektivitas peminjam ke komunitas sosial mereka. Makalah ini mengusulkan model penilaian kredit baru yang lebih baik untuk mewakili kualitas karakteristik dan perilaku peminjam. Data dikumpulkan dari LinkedIn, yang cocok untuk mewakili jaringan profesional. Model yang diusulkan telah diverifikasi melalui penilaian ahli, termasuk penyedia kredit, dan telah disimulasikan melalui pendekatan pembelajaran mesin untuk mengotomatisasi keputusan penerimaan kredit.
Kata kunci: Credit Scoring, Expert Judgment, Prediction Analysis, Creditworthiness