Prediksi Churn Pelanggan Multinational Bank Menggunakan Algoritma Machine Learning
DOI:
https://doi.org/10.31294/simpatik.v4i2.4595Keywords:
Prediksi, Churn Pelanggan, Machine LearningAbstract
Dalam menghadapi persaingan pasar yang ketat, prediksi churn pelanggan menjadi penting bagi perusahaan perbankan untuk mempertahankan loyalitas pelanggan. Penelitian ini mengaplikasikan algoritma machine learning meliputi Naive Bayes, Decision Tree, dan Random Forest untuk prediksi churn pelanggan pada ABC Multinational Bank. Data yang digunakan adalah dataset publik yang diambil dari Kaggle yang mencakup informasi 10.000 nasabah bank. Proses penelitian melibatkan beberapa tahapan yaitu pengumpulan data, preprocessing, pemodelan, prediksi, dan evaluasi. Hasil evaluasi memperlihatkan bahwa model Random Forest memberikan performa terbaik dengan akurasi 85% dan AUC 0.83. Naive Bayes dan Decision Tree masing-masing memiliki akurasi 82% dan 77%. Kesimpulan menunjukkan bahwa Random Forest lebih unggul dalam memprediksi churn pelanggan dibandingkan dua algoritma lainnya, sehingga dapat digunakan untuk strategi pemasaran yang lebih efektif dalam industri perbankan.
References
Diana, R., Warni, H., & Sutabri, T. (2023). PENGGUNAAN TEKNOLOGI MACHINE LEARNING UNTUK PELAYANAN MONITORING KEGIATAN BELAJAR MENGAJAR PADA SMK BINA SRIWIJAYA PALEMBANG. JUTEKIN (Jurnal Teknik Informatika), 11(1). https://doi.org/10.51530/jutekin.v11i1.709
Hasanah, H. (2023). Perbandingan Tingkat Akurasi Algoritma Support Vector Machines (SVM) dan C45 dalam Prediksi Penyakit Jantung. In Universitas Nusantara PGRI Kediri. Kediri (Vol. 2).
Hon, H. S., Wah Khaw, K., Chew, X., & Wong, W. P. (2023). PREDICTION OF CUSTOMER CHURN FOR ABC MULTISTATE BANK USING MACHINE LEARNING ALGORITHMS. Malaysian Journal of Computing, 8(2), 1602–1619. https://doi.org/10.24191/mjoc.v8i2.21393
Husein, A. M., & Harahap, M. (2021). Pendekatan Data Science untuk Menemukan Churn Pelanggan pada Sector Perbankan dengan Machine Learning. Data Sciences Indonesia (DSI), 1(1), 8–13. https://doi.org/10.47709/dsi.v1i1.1169
Kurniawan, I., Cahya, D., Buani, P., Apriliah, W., Saputra, R. A., Bina, U., Informatika, S., Mandiri, U. N., Pusat, J., & Korespondensi, P. (2023). IMPLEMENTASI ALGORITMA RANDOM FOREST UNTUK MENENTUKAN IMPLEMENTATION OF RANDOM FOREST ALGORITHM FOR DETERMINING RECIPIENTS OF RASKIN. 10(2), 421–428. https://doi.org/10.25126/jtiik.202396225
Lestari, S., Badrul, M., Studi Sistem Informasi, P., & Nusa Mandiri Jakarta, S. (2020). IMPLEMENTASI KLASIFIKASI NAIVE BAYES UNTUK PREDIKSI KELAYAKAN PEMBERIAN PINJAMAN PADA KOPERASI ANUGERAH BINTANG CEMERLANG. 7(1).
Marutho, D. (2019). PERBANDINGAN METODE NAÏVE BAYES, KNN, DECISION TREE PADA LAPORAN WATER LEVEL JAKARTA.
Miryam Clementine, & Arum. (2022). Prediksi Churn Nasabah Bank Menggunakan Klasifikasi Naïve Bayes dan ID3. Jurnal Processor, 17(1), 9–18. https://doi.org/10.33998/processor.2022.17.1.1170
Rahmawati, P., & Larasati, A. (2021). Comparing Decision Tree and Artificial Neural Network Model in Predicting Bank Approval on Customer Credit.
Rizki Kurniawan, M., Nurul Sabrina, P., Ilyas Teknik Informatika, R., Jenderal Achmad Yani Jl Terusan Jend Sudirman, U., Cimahi Sel, K., Cimahi, K., & Barat, J. (2023). PREDIKSI CUSTOMER CHURN PADA PERUSAHAAN TELEKOMUNIKASI MENGGUNAKAN ALGORITMA C4.5 BERBASIS PARTICLE SWARM OPTIMIZATION. In Jurnal Mahasiswa Teknik Informatika (Vol. 7, Issue 5).
Satria, A., Badri, R. M., & Safitri, I. (2023). Prediksi Hasil Panen Tanaman Pangan Sumatera dengan Metode Machine Learning. Digital Transformation Technology, 3(2), 389–398. https://doi.org/10.47709/digitech.v3i2.2852
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 Rifki Hidayat, M Ainur Syawaludin, Nurmalitasari Nurmalitasari
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
