Claim Missing Document
Check
Articles

Found 2 Documents
Search

Prediksi Churn Nasabah Bank Menggunakan Algoritma Random Forest Muhammad Naufal Musyafa; Evelyn Keisha Silalahi; Iwan Agi Berutu; Khildan Rifail Azis; Arnita Arnita; Fanny Ramadhani
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 8, No 4 (2025): Agustus 2025
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v8i4.9251

Abstract

Abstrak - Persaingan ketat dalam industri perbankan menuntut bank untuk lebih fokus mempertahankan nasabah dibandingkan hanya mencari nasabah baru. Salah satu tantangan besar yang dihadapi adalah churn atau hilangnya nasabah, yang berdampak langsung terhadap pendapatan bank. Penelitian ini bertujuan membangun model prediksi churn nasabah menggunakan algoritma Random Forest yang dikombinasikan dengan teknik SMOTE untuk mengatasi ketidakseimbangan data. Data yang digunakan merupakan dataset publik berisi 10.000 entri nasabah bank di Eropa. Penelitian ini menggunakan pendekatan kuantitatif melalui tahapan pra-pemrosesan, balancing data, pelatihan model, dan evaluasi kinerja dengan metrik seperti akurasi, presisi, recall, F1-score, dan ROC AUC. Hasil menunjukkan bahwa model mampu mencapai akurasi 81,95% dan recall 69,78%, yang menandakan model efektif dalam mengidentifikasi nasabah berisiko churn. Fitur-fitur yang paling berpengaruh adalah usia, jumlah produk, dan saldo nasabah. Temuan ini menunjukkan bahwa pendekatan machine learning dapat menjadi alat strategis untuk membantu bank mengambil keputusan berbasis data dalam mempertahankan nasabah. Model yang dikembangkan dinilai bermanfaat untuk mendukung strategi retensi pelanggan yang lebih proaktif dan berbasis bukti.Kata kunci: Klasifikasi; Random Forest; Churn Nasabah; Abstract - Fierce competition in the banking industry requires banks to focus more on retaining customers than just finding new ones. One of the major challenges faced is customer churn, which has a direct impact on bank revenue. This research aims to build a customer churn prediction model using Random Forest algorithm combined with SMOTE technique to overcome data imbalance. The data used is a public dataset containing 10,000 entries of bank customers in Europe. This research uses a quantitative approach through the stages of pre-processing, data balancing, model training, and performance evaluation with metrics such as accuracy, precision, recall, F1-score, and ROC AUC. The results showed that the model was able to achieve 81.95% accuracy and 69.78% recall, indicating that the model was effective in identifying customers at risk of churn. The most influential features were age, number of products, and customer balance. The findings suggest that a machine learning approach can be a strategic tool to help banks make data driven decisions in retaining customers. The developed model is considered useful to support a more proactive and evidence-based customer retention strategy.Keywords: Classification; Random Forest; Customer Churn;
Pengembangan Sistem Logging Server Berbasis Website dengan Visualisasi Real-Time dan Alert Sederhana Iwan Agi Berutu; Dedy Kiswanto; Aqilah Defiyanti; Kristin Impana Manik
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 8, No 6 (2025): Desember 2025
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v8i6.9912

Abstract

Abstrak - Perkembangan web server  yang semakin kompleks menuntut adanya sistem pemantauan dan pengelolaan log yang efisien, terpusat, dan mampu bekerja secara real-time. Permasalahan utama yang dihadapi adalah sistem logging tradisional yang masih bersifat manual, tidak terintegrasi, serta lambat dalam mendeteksi anomali pada log server. Penelitian ini bertujuan untuk mengembangkan sistem logging server berbasis web dengan visualisasi real-time dan alert sederhana guna meningkatkan efektivitas pengawasan dan keamanan server . Metode penelitian menggunakan pendekatan rancang bangun (design and build) dengan model pengembangan prototyping incremental. Sistem dibangun menggunakan framework Laravel, TShark untuk akuisisi log, MySQL sebagai basis data, serta Chart.js dan Laravel Reverb (WebSocket) untuk visualisasi dan pembaruan data real-time. Hasil implementasi menunjukkan bahwa sistem mampu menangkap dan menampilkan data log server  secara langsung, menganalisis aktivitas mencurigakan berdasarkan skor ancaman, serta mengirimkan notifikasi otomatis melalui Telegram bot saat terdeteksi potensi serangan. Selain itu, sistem dapat melakukan pemblokiran IP otomatis menggunakan iptables, menjadikannya solusi aktif dalam mitigasi ancaman. Dengan demikian, sistem ini terbukti efektif dalam meningkatkan efisiensi, kecepatan deteksi, serta respons terhadap ancaman keamanan server  secara terintegrasi.Kata kunci : Logging Server; Visualisasi Real-Time; Laravel;Alert Otomatis; Keamanan server; Abstract - The development of increasingly complex computer networks demands an efficient, centralized, and real-time monitoring and log management system. The main problem faced is the traditional logging system that is still manual, not integrated, and slow in detecting network anomalies. This research aims to develop a web-based server logging system with real-time visualization and simple alerts to increase the effectiveness of network monitoring and security. The research method uses a design and build approach with an incremental prototyping development model. The system was built using the Laravel framework, Tshark for log acquisition, MySQL as a database, and Chart.js and Laravel Reverb (WebSocket) for visualization and real-time data updates. The implementation results show that the system is able to capture and display network log data directly, analyze suspicious activity based on threat scores, and send automatic notifications via Telegram bot when a potential attack is detected. In addition, the system can perform automatic IP blocking using iptables, making it an active solution in threat mitigation. Thus, this system proves effective in improving efficiency, detection speed, and response to network security threats in an integrated manner. Keywords: Logging Server; Real-Time Visualization; Laravel; Automatic Alert; Network Security;