<![CDATA[Dengan berkembangnya zaman, kebutuhan hidup akan semakin tinggi. Terlebih lagi saat rasa ingin memiliki membuat seseorang membutuhkan dan ingin untuk membeli suatu produk tertentu. Bank memberikan fasilitas untuk mempermudah proses tersebut. Banyak bank bekerja keras untuk memenuhi kepuasan pelanggan agar nasabah tetap loyal kepada bank. Hal ini menimbulkan persaingan antar bank dengan melakukan berbagai inovasi untuk mencuri hati nasabah. Persaingan menjadi peran penting untuk bank karena membuat bank menjadi berkembang dan berpengaruh kepada pendapatan milik bank. Persaingan juga memberikan akibat yaitu nasabah yang berpindah ke bank lainnya. Beralihnya nasabah ke bank lainnya ini disebut dengan Churn karena nasabah memutuskan untuk meninggalkan bank untuk bank yang lainnya. Customer Churn harus ditangani dengan segera untuk menghindari dampak besar untuk bank. Semakin banyak nasabah melakukan churn, maka bank harus mengevaluasi layanan yang diberikan. Sangat jelas bahwa memasukkan nasabah baru akan memakan lebih banyak biaya daripada mempertahankan nasabah yang sudah ada. Upaya mempertahankan nasabah tersebut, manajer bank ingin mengetahui pengaruh apa yang membuat nasabah memutuskan untuk meninggalkan bank, sehingga dibutuhkan prediksi churn untuk mengetahui hal tersebut. Seperti yang kita ketahui di dalam data mining terdapat beberapa metode diantaranya Asosiasi, Klasifikasi, dan Clustering. Dalam melakukan penelitian ini, jenis data mining yang diterapkan adalah klasifikasi karena penelitian ini memiliki tujuan untuk memprediksi nasabah mana yang akan melakukan churn dilihat dari atribut yang telah disesuaikan. Algoritma yang diterapkan pada penelitian ini adalah Naïve Bayes dan ID3. Pada penelitian ini algoritma yang mendapatkan hasil terbaik adalah algoritma Naïve Bayes.]]>
Copyrights © 2022
