Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi
Alvin Fernando Susanto
Universitas Surabaya
Computer Science & IT Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Penerapan Machine Learning untuk Prediksi Potensi Hilangnya Nasabah Bank Mohammad Farid Naufal; - Subrata; Alvin Fernando Susanto; Christian Nathaneil Kansil; Solichul Huda
Techno.Com Vol 22, No 1 (2023): Februari 2023
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v22i1.7302

Abstract

Nasabah adalah salah satu aset paling berharga dari sebuah bisnis perbankan. Mereka adalah ujung tombak pengguna produk yang nantinya memberikan keuntungan bagi bank, terutama pada produk kartu kredit. Penelitian ini bertujuan untuk mengetahui nasabah mana sajakah yang berpotensi untuk meninggalkan layanan kartu kredit dari sebuah bank. Pada penelitian sebelumnya belum ada yang melakukan analisis perbandingan algoritma machine learning dengan berbagai macam tahapan preprocessing untuk memprediksi potensi hilangnya nasabah bank. Penelitian ini melakukan analisis perbandingan algoritma machine learning dengan kombinasi tahapan preprocessing untuk memprediksi potensi hilangnya nasabah bank. Analisis ini penting untuk pemilihan algoritma yang paling cocok untuk prediksi potensi hilangnya nasabah bank. Pada tahapan preprocessing diterapkan dimensionality reduction dan feature selection menggunakan metode Variance threshold dan Correlation coefficient. Metode klasifikasi yang digunakan adalah Logistic regression (LR), Decision tree (DT), dan Naïve Bayes (NB). Hasil tertinggi dari ketiga metode tersebut adalah Decision tree yang mampu memiliki nilai F1 Score sebesar 96% dan nilai akurasi mencapai 93%. Logistic regression dan Naïve Bayes berada pada urutan kedua dan ketiga setelah decision tree. Tahapan data preprocessing tidak memberikan pengaruh yang signifikan pada nilai F1 Score dan akurasi.
Co-Authors - Subrata Christian Nathaneil Kansil Mohammad Farid Naufal, Mohammad Farid Solichul Huda