<![CDATA[Dalam industri perbankan, mempertahankan pelanggan merupakan tantangan utama yang berdampak langsung pada profitabilitas dan kelangsungan bisnis. Kehilangan pelanggan, atau yang dikenal sebagai customer churn, dapat menyebabkan kerugian besar jika tidak ditangani secara efektif. Artikel ini berfokus pada pengembangan model klasifikasi customer churn dengan memanfaatkan algoritma Decision Tree sebagai metode utama. Algoritma ini dipilih karena keunggulannya dalam menangani data berukuran besar, kemudahan interpretasi hasil, dan tingkat akurasi yang andal. Penelitian ini menggunakan dataset yang digunakan diperoleh dari Kaggle dengan 10.000 data dan 18 atribut. Model yang dikembangkan menghasilkan akurasi sebesar 99% melalui evaluasi confusion matrix. Penelitian ini memberikan wawasan penting bagi bank untuk merancang strategi retensi pelanggan yang lebih efektif.]]>
Copyrights © 2025
