<![CDATA[Penelitian ini mengungkapkan bagaimana pentingnya penanganan deteksi profile nasabah untuk meminimalisir terjadinya penyalahgunaan akun nasabah. Kebutuhan akan nasabah baru dengan berbagai macam produk perbankan membuat layanan screening awal begitu penting dilakukan oleh pihak perbankan agar mendapatkan informasi profile resiko nasabah sejak dini. Oleh karena itu, tujuan dari penelitian ini adalah menentukan model terbaik dari klasifikasi data profile nasabah dengan cara membandingkan model klasifikasi data mining Naïve Bayes, Decision Tree, Random Forest, KNN, SVM. Model dengan akurasi terbaik inilah yang nantinya akan direkomedasikan sebagai model aternatif untuk melakukan prediksi profile resiko nasabah. Pada penelitian ini juga dilakukan proses optimasi dengan menggunakan Optimize Selection (Evolutionary) pada setiap teknik klasifikasi yang digunakan. Dimana dihasilkan bahwa model algoritma Random Forest mendapatkan hasil total akurasi paling baik yaitu sebesar 82.55% dengan angka kenaikan optimasi sebesar 2.51%. Proses training dan testing pada penelitian ini menggunakan komposisi 80% dataset training dan 20% dataset untuk testing sedangkan metodologi yang digunakan pada penelitian ini adalah dengan menggunakan CRISP-DM.]]>
Copyrights © 2022
