Pengelolaan dana pihak ketiga yang tepat sasaran menopang kinerja bank, meski kecenderungan nasabah memilih jenis produk simpanan berubah tergantung lokasi cabang dan segmen yang dilayani. Studi ini menerapkan dan membandingkan Decision Tree, Naïve Bayes, dan Random Forest untuk mengenali jenis produk dana pihak ketiga (tabungan, giro, deposito, dan setoran jaminan safe deposit box) berdasarkan area cabang, segmen nasabah, total simpanan, dan margin perubahan saldo di wilayah Jakarta. Dari 1.630.026 baris data mentah, pembersihan dan transformasi menyisakan 2.151 baris siap olah; pemeringkatan atribut menetapkan empat prediktor relevan, sedangkan atribut bulan tidak menunjukkan kontribusi informasi sehingga diujikan tersendiri melalui skenario tambahan. Memakai 10-fold stratified cross validation, Random Forest paling unggul (akurasi 0,949; MCC 0,932), disusul Decision Tree (0,923; 0,897), sementara Naïve Bayes tertinggal (0,536; 0,388) akibat diskretisasi dan asumsi independensi antar atributnya. Confusion matrix menunjukkan setoran jaminan safe deposit box nyaris selalu dikenali benar, sedangkan kesalahan klasifikasi deposito, giro, dan tabungan mengelompok berbeda menurut segmen nasabah. Penyertaan atribut bulan menurunkan performa seluruh algoritma, dengan penurunan paling tajam pada Random Forest—menandakan bahwa ketahanan metode ansambel terhadap atribut tidak informatif bukan sifat tetap, melainkan bergantung pada perbandingan atribut informatif dan tidak informatif yang tersedia.