Azmi, Azel Fabian
Unknown Affiliation

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Prediksi Churn Nasabah Bank Menggunakan Klasifikasi Random Forest Dan Decision Tree Dengan Evaluasi Confusion Matrix Azmi, Azel Fabian; Voutama, Apriade
Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 13 No 1 (2024): Komputa : Jurnal Ilmiah Komputer dan Informatika
Publisher : Program Studi Teknik Informatika - Universitas Komputer Indonesia (UNIKOM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/komputa.v13i1.12639

Abstract

Dalam lanskap perbankan yang terus berkembang, customer churn menjadi tantangan yang signifikan, yang berdampak pada pendapatan dan reputasi. Penelitian ini mengeksplorasi efektivitas pengklasifikasi Random Forest dan Decision Tree dalam memprediksi churn bank. Memanfaatkan dataset yang bersumber dari Kaggle, yang berisi informasi mengenai 10.000 nasabah bank, penelitian ini menggunakan teknik preprocessing dan pemilihan fitur untuk menyaring data. Selanjutnya, dataset tersebut dibagi menjadi set pelatihan dan pengujian untuk evaluasi model. Model Random Forest dan Decision Tree dilatih dan dievaluasi menggunakan analisis Confusion matrix. Hasilnya menunjukkan bahwa Random Forest mengungguli Decision Tree, mencapai rata-rata precision yang lebih tinggi (79% vs 72%), recall (78% vs 72%), F1-score (78% vs 72%), dan accuracy (78% vs 72%). Penelitian ini menyoroti keampuhan Random Forest dalam memprediksi churn nasabah secara akurat, sehingga memberikan wawasan yang berharga bagi bank dalam menerapkan strategi retensi nasabah yang efektif. Penelitian ini berkontribusi dalam memajukan analisis prediktif di sektor perbankan, memberdayakan institusi untuk mengurangi churn dan meningkatkan kepuasan pelanggan.