Article Per Year (5 Year)
p-Index From 2020 - 2025
3.057
P-Index
This Author published in this journals
All Journal E-Bisnis : Jurnal Ilmiah Ekonomi dan Bisnis Swabumi (Suara Wawasan Sukabumi) : Ilmu Komputer, Manajemen, dan Sosial Bianglala Informatika : Jurnal Komputer dan Informatika Akademi Bina Sarana Informatika Yogyakarta Indonesian Journal on Software Engineering (IJSE) Jurnal Khatulistiwa Informatika InComTech: Jurnal Telekomunikasi dan Komputer Antivirus : Jurnal Ilmiah Teknik Informatika JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Infortech Kalbiscientia Jurnal Sains dan Teknologi Computer Science (CO-SCIENCE) Conten : Computer and Network Technology SPEED - Sentra Penelitian Engineering dan Edukasi Jurnal Teknik Informatika Journal of Artificial Intelligence and Digital Business
Nurlaelatul Maulidah
Unknown Affiliation
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Library & Information Science Mechanical Engineering Social Sciences

Published : 18 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : InComTech: Jurnal Telekomunikasi dan Komputer

 1 
Prediksi Peningkatan Jumlah Nasabah Deposito Berjangka Menggunakan Algoritma KNN, Decision Tree, Random Forest Dan Xgboost Nurlaelatul Maulidah
InComTech : Jurnal Telekomunikasi dan Komputer Vol 13, No 2 (2023)
Publisher : Department of Electrical Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/incomtech.v13i2.16921

Abstract

Bank merupakan sebuah lembaga keuangan yang umumnya didirikan untuk menghimpun dana dari masyarakat dalam bentuk simpanan dan menyalurkan kepada masyarakat dalam bentuk kredit atau bentuk lainnya dengan rangka meningkatkan taraf hidup rakyat banyak. Pada penelitian ini, dilakukan pengujian empat algoritma machine learning yaitu K-Nearest Neighbor (K-NN), Decision Tree, Random Forest dan XGBoost, untuk mengetahui dan membandingkan tingkat akurasi dari masing-masing algoritma tersebut dalam melakukan prediksi terhadap peningkatan jumlah nasabah deposito berjangka bank. Pada penelitian ini dataset diperoleh dari UCI Machine Learning Repository. Data yang diperoleh kemudian diproses. Dari hasil pengujian didapatkan tingkat akurasi terbaik sebesar 92,36% dengan menggunakan algoritma XGBoost.
Co-Authors AA Sudharmawan, AA Ade Christian, Ade Ahmad Fauzi Ahmad Fauzi Ahmad Fauzi Akrom, Akrom Andrian Eko Widodo Diantika, Sri Dwi Yuni Utami Fanny Fatma Wati Fauzi Ahmad Muda Fauzi, Ahmad Fauzi-Universitas Bina Sarana Informatika, Ahmad Gata, Windu Hasan, Fuad Nur Hiya Nalatissifa Mawadatul Maulidah Rangga Pebrianto Ratna Kurnia Sari Riki Supriyadi Riki Supriyadi Suleman