MERANCANG MODEL MACHINE LEARNING UNTUK MEMPREDIKSI CUSTOMER CHURN PADA SUATU BANK MENGGUNAKAN KLASIFIKASI LOGISTIC REGRESSION DAN DECISION TREE

MERANCANG MODEL MACHINE LEARNING UNTUK MEMPREDIKSI CUSTOMER CHURN PADA SUATU BANK MENGGUNAKAN KLASIFIKASI LOGISTIC REGRESSION DAN DECISION TREE AGUNG NUGRAHA RAMDHANI - 17160127 Primary Author Iedam Fardian Anshori, S.T., M.Kom., M.M (Pembimbing) Editor mixed material bibliography 2022/2023 id Indonesia Abstrak Pesatnya perkembangan teknologi mendorong setiap orang untuk menggunakan layanan bank sebagai sarana penyimpanan uang, hal ini menjadi peluang bagi pihak bank untuk bersaing menarik perhatian calon nasabah, dan calon nasabah pun berhak menentukan bank mana yang mereka pilih untuk digunakan serta dapat dengan bebas beralih ke pilihan bank yang lain. Peralihan keputusan nasabah (Customer Churn) salah satunya dapat terjadi dikarenakan ketidak puasan satu dan lain hal terkait kebijakan yang diberikan pihak bank. Oleh karena itu pihak bank harus mengantisipasi agar tidak kehilangan nasabahnya. Tujuan dari penelititan ini untuk membuat model Machine Learning dan mengetahui model klasifikasi yang lebih baik dari segi tingkat overall akurasinya. Dalam penelitian ini penulis menggunakan data dari Kaggle yang terdiri dari 10.000 baris data dan 14 kolom dengan kolom Exited sebagai variable target yang dikalsifikasikan menggunakan Logistic Regression dan Decission Tree. Hasil dari penelitian ini memperoleh bahwa overall akurasi dari model klasifikasi Logistic Regression sebesar 68% dan overall akurasi model klasifikasi Decission Tree sebesar 88%. Machine learning Customer Churn Logistic Regression Decission Tree NONE Digital Library ARS University Perpustakan Online ARS University 006/S1.TI.SKP/2022-2023 S02999K Teknik Informatika 006/S1.TI.SKP/2022-2023 Hal Depan Bab 1 Bab 3 Bab 5 DAFTAR PUSTAKA Hal Belakang Screenshot_2023-06-13_094712.png.png 7877 2023-06-13 09:49:12 2023-06-13 09:50:36 machine generated