<![CDATA[Perkembangan teknologi kecerdasan buatan, khususnya Artificial Neural Network (ANN), telah memberikan kontribusi signifikan dalam analisis data dan pengambilan keputusan di berbagai bidang, termasuk sektor perbankan. Penelitian ini bertujuan untuk menganalisis kinerja model ANN dalam mengklasifikasikan keputusan nasabah terhadap penawaran produk bank menggunakan Bank Marketing Dataset. Dataset yang digunakan memiliki karakteristik kompleks dengan jumlah data yang besar serta distribusi kelas yang tidak seimbang, sehingga menjadi tantangan tersendiri dalam proses pemodelan.Tahapan penelitian meliputi proses preprocessing data yang mencakup pembersihan data, transformasi variabel kategorikal menjadi numerik melalui teknik encoding, serta normalisasi data untuk meningkatkan performa model. Selanjutnya, data dibagi menjadi data latih dan data uji dengan proporsi tertentu. Model ANN dibangun menggunakan arsitektur multilayer perceptron dengan beberapa lapisan tersembunyi, kemudian dilatih menggunakan metode backpropagation.Hasil pengujian menunjukkan bahwa model ANN mampu mencapai tingkat akurasi sebesar 90,4%, dengan nilai loss yang menurun secara stabil selama proses pelatihan. Evaluasi menggunakan confusion matrix menunjukkan bahwa model memiliki kemampuan yang baik dalam mengklasifikasikan kelas mayoritas, namun masih terdapat keterbatasan dalam mendeteksi kelas minoritas akibat ketidakseimbangan data.Berdasarkan hasil tersebut, dapat disimpulkan bahwa ANN merupakan metode yang efektif dalam klasifikasi keputusan nasabah pada dataset perbankan. Namun, diperlukan pendekatan tambahan seperti penanganan imbalanced data untuk meningkatkan kinerja model secara keseluruhan.]]>
Copyrights © 2025
