ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI CHURN NASABAH BANK MENGGUNAKAN ALGORITMA RANDOM FOREST

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI CHURN NASABAH BANK MENGGUNAKAN ALGORITMA RANDOM FOREST

• By Reza Kurnia Rivaldi;
• Skripsi
• 6
• 1-52

Industri perbankan menghadapi tantangan besar dalam mempertahankan dan
memperluas basis nasabah di era perkembangan pesat teknologi dan keuangan.
Penelitian ini bertujuan untuk memahami faktor-faktor yang mempengaruhi churn
nasabah dan mengembangkan model prediksi menggunakan algoritma Random
Forest. Data sebanyak 10.000 baris dari Kaggle, mencakup atribut usia, jenis kelamin,
jumlah produk yang dimiliki, seberapa lama nasabah menjadi pelanggan bank, dan
keluhan (complain), dataset dibagi menjadi 80% set pelatihan dan 20% set pengujian.
Proses preprocessing mencakup pemeriksaan tipe data, penanganan nilai hilang, dan
penghapusan kolom yang tidak relevan. Evaluasi menggunakan confusion matrix
menunjukkan akurasi 99% dengan precision, recall, dan f1-score masing-masing 99%
ketika semua fitur digunakan. Variabel complain terbukti signifikan dalam
mempengaruhi churn. Setelah variabel complain dihapus, akurasi menurun menjadi
85%, menunjukkan bahwa faktor lain, seperti usia, juga berperan penting. Penelitian
ini menegaskan efektivitas Random Forest dalam memprediksi churn dan pentingnya
mempertimbangkan berbagai variabel. Bank dapat menggunakan temuan ini untuk
mengidentifikasi nasabah yang berisiko melakukan churn dan merancang strategi
retensi yang lebih efektif, seperti peningkatan layanan pelanggan dan program
loyalitas yang lebih personal.

• Katakunci churn nasabah, random forest, analisis prediktif
• URL http://
• Penerbit ,

REFERENSI

Ardiansah, I., & Permana, R. H. (2023). Memulai Python: Belajar Python dari Nol. CV. Cendekia Press.https://books.google.co.id/books?id=h0nfEAAAQBAJ

Arther Sandag, G. (2020). Prediksi Rating Aplikasi App Store Menggunakan Algoritma Random Forest Application Rating Prediction on App Store using Random Forest Algorithm. Cogito Smart Journal |, 6(2). https://www.kaggle.com/

Daqiqil, I. (2021). MACHINE LEARNING : Teori, Studi Kasus dan Implementasi Menggunakan Python (Edisi 1). Unri Press.
https://books.google.co.id/books?id=JvBPEAAAQBAJ

Farid Naufal, M., Fernando Susanto, A., Nathaneil Kansil, C., Huda, S., & kunci, K.(2023). Analisis Perbandingan Algoritma Machine Learning untuk PrediksiPotensi Hilangnya Nasabah Bank Application of Machine Learning to Predict Potential Loss of Bank Customer. In Februari (Vol. 22, Issue 1).

Firmansyah, & Yulianto, A. (2021). Prediksi Customer Churn Pada Bisnis Retail. Riset Dan E-Jurnal Manajemen Informatika Komputer, 6(1). https://doi.org/10.33395/remik.v4i1.11196 

Gelar Guntara, R. (2023). Pemanfaatan Google Colab Untuk Aplikasi Pendeteksian Masker Wajah Menggunakan Algoritma Deep Learning YOLOv7. Jurnal Teknologi Dan Sistem Informasi Bisnis, 5(1), 55–60.
https://doi.org/10.47233/jteksis.v5i1.750

Homepage, J., Roihan, A., Abas Sunarya, P., & Rafika, A. S. (2019). IJCIT (Indonesian Journal on Computer and Information Technology) Pemanfaatan Machine Learning dalam Berbagai Bidang: Review paper. In IJCIT (Indonesian Journal on Computer and Information Technology) (Vol. 5, Issue 1).

Husein, A. M., & Harahap, M. (2021). Pendekatan Data Science untuk Menemukan Churn Pelanggan pada Sector Perbankan dengan Machine Learning. Data Sciences Indonesia (DSI), 1(1), 8–13. https://doi.org/10.47709/dsi.v1i1.1169

Irmanda, H. N., Astriratma, R., & Afrizal, S. (2019). PERBANDINGAN METODE JARINGAN SYARAF TIRUAN DAN POHON KEPUTUSAN UNTUK PREDIKSI CHURN Universitas Pembangunan Nasional Veteran Jakarta. JSI : Jurnal Sistem Informasi (E-Journal), 11(2).
http://ejournal.unsri.ac.id/index.php/jsi/index

Irmayani, W. (2021). VISUALISASI DATA PADA DATA MINING MENGGUNAKAN METODE KLASIFIKASI NAÏVE BAYES. www.bsi.ac.id

Junaidi, S., Beno, I. S., Farkhan, M., Supartha, I. K. D. G., Pasaribu, A. A., Kmurawak, R. M. B., Supiyanto, S., Sroyer, A. M., Reba, F., & Fitriyanto, R. (2024). Buku Ajar Machine Learning. PT. Sonpedia Publishing Indonesia. https://books.google.co.id/books id=ACT2EAAAQBAJ

Miryam Clementine, & Arum. (2022). Prediksi Churn Nasabah Bank Menggunakan Klasifikasi Naïve Bayes dan ID3. Jurnal Processor, 17(1), 9–18. https://doi.org/10.33998/processor.2022.17.1.1170

Mulia, C., Kurniasih, A., Studi Ilmu Komputer, P., Tinggi Ilmu Manajemen dan Ilmu Komputer ESQ, S., Simatupang, J. T., Timur, C., Ps Minggu, K., & Jakarta Selatan, K. (2023). Teknik SMOTE untuk Mengatasi Imbalance Class dalam Klasifikasi Bank Customer Churn Menggunakan Algoritma Naïve bayes dan Logistic Regression.

Nurjanah. (2021). Analisis Kepuasan Konsumen dalam Meningkatkan Pelayanan Pada Usaha Laundry Bunda Nurjanah. In Jurnal Mahasiswa (Vol. 1).

Prasojo, B., & Haryatmi, E. (2021). Analisa Prediksi Kelayakan Pemberian Kredit Pinjaman dengan Metode Random Forest. Jurnal Nasional Teknologi Dan Sistem Informasi, 7(2), 79–89. https://doi.org/10.25077/teknosi.v7i2.2021.79-89

Rahmat, A., Syafiih, M., & Faid, M. (2023). IMPLEMENTASI KLASIFIKASI POTENSI PENYAKIT JANTUNG DENGAN MENGGUNAKAN METODE C4.5 BERBASIS WEBSITE ( STUDI KASUS KAGGLE.COM ). INFOTECH Journal, 9(2), 393–400. https://doi.org/10.31949/infotech.v9i2.6295

Romzi, M., & Kurniawan, B. (2020). PEMBELAJARAN PEMROGRAMAN
PYTHON DENGAN PENDEKATAN LOGIKA ALGORITMA (Issue 2).

Sulistyo Wibowo, A. (2024). Analisis Churn Nasabah Bank Dengan Pendekatan Machine Learning dan Pengelompokan Profil Nasabah dengan Pendekatan Clustering. 2(1), 30–41. https://doi.org/10.61132/konstruksi.v2i1.43

Ulfa, R. (2021). VARIABEL PENELITIAN DALAM PENELITIAN
PENDIDIKAN. Al-Fathonah : Jurnal Pendidikan Dan Keislaman