Penerapan metode K-Nearest Neighbor untuk peminatan konsumen terhadap jenis tabungan.

Penerapan metode K-Nearest Neighbor untuk peminatan konsumen terhadap jenis tabungan.

• By Rhomadona Bambang Pamungkas;
• Jurnal
• 7
• 1-9

Penelitian ini bertujuan menganalisis preferensi nasabah terhadap berbagai jenis tabungan di Bank Woori Saudara KC Bogor dengan metode K-Nearest Neighbor (KNN) di platform Google Colab. Latar belakangnya adalah perkembangan teknologi informasi yang mengubah sektor perbankan, menuntut inovasi layanan yang lebih efisien. Penelitian ini bertujuan memahami preferensi dan kebutuhan nasabah untuk mempertahankan serta meningkatkan pangsa pasar. Permasalahan yang dijawab mencakup penerapan KNN dalam menganalisis preferensi konsumen dan bagaimana hasilnya dapat membantu bank merancang strategi pemasaran dan meningkatkan pelayanan. Data nasabah dari tahun 2006 hingga 2023 digunakan, dengan fokus pada sampel 5.000 data dari tahun 2018 hingga 2022. Metode KNN diterapkan untuk klasifikasi preferensi nasabah terhadap berbagai jenis tabungan. Variabel independen meliputi produk tabungan, usia nasabah, kebangsaan, pendapatan, saldo awal, saldo minimum, dan lainnya. Hasil evaluasi model KNN menunjukkan kinerja sangat baik dengan akurasi 95,66%, precision tertinggi 1,00, recall tertinggi 0,98, dan F1-score tertinggi 0,98. Hasil penelitian diharapkan membantu Bank Woori Saudara KC Bogor merancang strategi pemasaran yang lebih efektif dan meningkatkan layanan. Penelitian ini juga memperdalam pemahaman penulis tentang metode KNN dalam analisis preferensi konsumen di sektor perbankan serta memberikan contoh penerapan algoritma machine learning dalam kasus nyata.

• Katakunci Tabungan, K-Nearest Neighbor, dan Nasabah
• URL http://
• Penerbit ,

REFERENSI

Berlian, D., Apriana, A., & Al-Amar Subang, S. (2023). PERBANDINGAN PEMBERIAN KREDIT ANTARA BANK KONVENSIONAL DAN PEMBIAYAAN BANK SYARIAH KEPADA USAHA KECIL DAN MENENGAH. In Jurnal Perbankan Syariah Indonesia) (Vol. 2, Issue 2).

 

Dewi Marini Umi Atmaja, A. R. H. , D. H. , N. S. (n.d.). tik-52-9-hal-penerapan-algoritma-k-nearest-neighbor-untuk-prediksi-pengelompokkan-tingkat-risiko-penyebaran-covid-19. 2021.

 

Farissa, R. A., Mayasari, R., & Umaidah, Y. (2021). Perbandingan Algoritma K-Means dan K-Medoids Untuk Pengelompokkan Data Obat dengan Silhouette Coefficient. In Journal of Applied Informatics and Computing (JAIC) (Vol. 5, Issue 2). http://jurnal.polibatam.ac.id/index.php/JAIC

 

Gelar Guntara, R. (2023). Visualisasi Data Laporan Penjualan Toko Online Melalui Pendekatan Data Science Menggunakan Google Colab. Jurnal Ilmiah Multidisiplin, 2(6).

 

Homepage, J., A’yuniyah, Q., & Reza, M. (n.d.). IJIRSE: Indonesian Journal of Informatic Research and Software Engineering Application Of The K-Nearest Neighbor Algorithm For Student Department Classification At 15 Pekanbaru State High School Penerapan Algoritma K-Nearest Neighbor Untuk Klasifikasi Jurusan Siswa Di Sma Negeri 15 Pekanbaru.

 

Jefika, M., Kosasi, H., Prayogi, G., & Dharma, A. (2020). Prediksi Gelombang Corona Dengan Metode Neural Network. JIKOMSI Jurnal Ilmu Komputer Dan Sistem Informasi, 3(2), 102–107.

 

Khairu, N., Divisi, N., Data, A., Nugraha, Y., Febria, C., Divisi, F., Divisi, A. E., Intan, J., Divisi, K., Suherman, A. L., Penelitian, D., & Pengabdian, D. (2020). Evaluasi Berbasis Data: Kebijakan Pembatasan Mobilitas Publik dalam Mitigasi Persebaran COVID-19 di Jakarta. In Jurnal Sistem Cerdas.

 

Luthfi Bangun Permadi, M., & Gumilang Sekolah Tinggi Teknologi Bandung, R. (n.d.). PENERAPAN ALGORITMA CNN (CONVOLUTIONAL NEURAL NETWORK) UNTUK DETEKSI DAN KLASIFIKASI TARGET MILITER BERDASARKAN CITRA SATELIT.

 

Muhamad Irsan, Forkas Tiroy Santos.B, & Ahmad Husain. (2024). Implementasi Aplikasi Pandas (Phyton) Dalam Mengelola Data Excel Sebagai Media Persiapan Pelaporan Nilai Raport Siswa. https://jurnalpengabdianmasyarakatbangsa.com/index.php/jpmba/index

 

Palgunadi, Reinardus Di Caprio Kadju, Muhammad Rifqi Alfaris, Dion Mauludin, & Perani Rosyani. (2023). Pemodelan Dan Penyelesaian Pertidaksamaan Dalam Kalkulus Menggunakan Python.

 

Putra, F., Tahiyat, H. F., Ihsan, R. M., Rahmaddeni, R., & Efrizoni, L. (2024). Penerapan Algoritma K-Nearest Neighbor Menggunakan Wrapper Sebagai Preprocessing untuk Penentuan Keterangan Berat Badan Manusia. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 4(1), 273–281. https://doi.org/10.57152/malcom.v4i1.1085

 

Putri, N. S., & Aravik, H. (n.d.). ANALISIS PRODUK TABUNGAN WADI’AH PADA PT. BANK PEMBIAYAAN RAKYAT SYARIAH AL FALAH BANYUASIN.

 

Rahmadhani, V., Arum, W., Bhayangkara, U., & Raya, J. (2022). LITERATURE REVIEW INTERNET OF THINK (IOT): SENSOR, KONEKTIFITAS DAN QR CODE. 3(2). https://doi.org/10.38035/jmpis.v3i2

 

Rozikin, C., Susilo Yuda Irawan, A., & Singaperbangsa Karawang, U. (2020). Klasifikasi Jenis Buah Mangga dengan Metode Backpropagation.

 

Sartika, A. R., Lubis, E., Lisdayanti, S., & Yudha, R. K. (2022). Pelatihan Aplikasi Microsoft Word, Microsoft Excel dan Power Point Pada siswa-siswi di SMPN 4 Kutacane. Empowerment: Jurnal Pengabdian Masyarakat, 1(5), 712–721. https://doi.org/10.55983/empjcs.v1i5.249

 

Suhanda, Y., Kurniati, I., & Norma, S. (2020). Penerapan Metode Crisp-DM Dengan Algoritma K-Means Clustering Untuk Segmentasi Mahasiswa Berdasarkan Kualitas Akademik. Jurnal Teknologi Informatika Dan Komputer, 6(2), 12–20. https://doi.org/10.37012/jtik.v6i2.299

 

Tarigan, P. M. S., Hardinata, J. T., Qurniawan, H., Safii, M., & Winanjaya, R. (2022). Implementasi Data Mining Menggunakan Algoritma Apriori Dalam Menentukan Persediaan Barang. Jurnal Janitra Informatika Dan Sistem Informasi, 2(1), 9–19. https://doi.org/10.25008/janitra.v2i1.142