Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi
Kansil, Christian Nathaneil
Unknown Affiliation
Computer Science & IT Engineering

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

Found 1 Documents
Search

 1 
Analisis Perbandingan Algoritma Machine Learning untuk Prediksi Potensi Hilangnya Nasabah Bank Naufal, Mohammad Farid; Subrata, -; Susanto, Alvin Fernando; Kansil, Christian Nathaneil; Huda, Solichul
Techno.Com Vol. 22 No. 1 (2023): Februari 2023
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v22i1.7302

Abstract

Nasabah adalah salah satu aset paling berharga dari sebuah bisnis perbankan. Mereka adalah ujung tombak pengguna produk yang nantinya memberikan keuntungan bagi bank, terutama pada produk kartu kredit. Penelitian ini bertujuan untuk mengetahui nasabah mana sajakah yang berpotensi untuk meninggalkan layanan kartu kredit dari sebuah bank. Pada penelitian sebelumnya belum ada yang melakukan analisis perbandingan algoritma machine learning dengan berbagai macam tahapan preprocessing untuk memprediksi potensi hilangnya nasabah bank. Penelitian ini melakukan analisis perbandingan algoritma machine learning dengan kombinasi tahapan preprocessing untuk memprediksi potensi hilangnya nasabah bank. Analisis ini penting untuk pemilihan algoritma yang paling cocok untuk prediksi potensi hilangnya nasabah bank. Pada tahapan preprocessing diterapkan dimensionality reduction dan feature selection menggunakan metode Variance threshold dan Correlation coefficient. Metode klasifikasi yang digunakan adalah Logistic regression (LR), Decision tree (DT), dan Naïve Bayes (NB). Hasil tertinggi dari ketiga metode tersebut adalah Decision tree yang mampu memiliki nilai F1 Score sebesar 96% dan nilai akurasi mencapai 93%. Logistic regression dan Naïve Bayes berada pada urutan kedua dan ketiga setelah decision tree. Tahapan data preprocessing tidak memberikan pengaruh yang signifikan pada nilai F1 Score dan akurasi.
Co-Authors Mohammad Farid Naufal, Mohammad Farid Solichul Huda, Solichul Subrata, - Susanto, Alvin Fernando