<![CDATA[Dalam menghadapi persaingan pasar yang ketat, prediksi churn pelanggan menjadi penting bagi perusahaan perbankan untuk mempertahankan loyalitas pelanggan. Penelitian ini mengaplikasikan algoritma machine learning meliputi Naive Bayes, Decision Tree, dan Random Forest untuk prediksi churn pelanggan pada ABC Multinational Bank. Data yang digunakan adalah dataset publik yang diambil dari Kaggle yang mencakup informasi 10.000 nasabah bank. Proses penelitian melibatkan beberapa tahapan yaitu pengumpulan data, preprocessing, pemodelan, prediksi, dan evaluasi. Hasil evaluasi memperlihatkan bahwa model Random Forest memberikan performa terbaik dengan akurasi 85% dan AUC 0.83. Naive Bayes dan Decision Tree masing-masing memiliki akurasi 82% dan 77%. Kesimpulan menunjukkan bahwa Random Forest lebih unggul dalam memprediksi churn pelanggan dibandingkan dua algoritma lainnya, sehingga dapat digunakan untuk strategi pemasaran yang lebih efektif dalam industri perbankan.]]>
Copyrights © 2024
