Penerapan Decision Tree C5.0 Untuk Prediksi Perpindahan Nasabah Pada Bank XYZ

FITRIA KHALIK, NIKEN ZULAIKA (2022) Penerapan Decision Tree C5.0 Untuk Prediksi Perpindahan Nasabah Pada Bank XYZ. Strata 1 thesis, Universits Teknokrat Indonesia.

	Text (Full Skripsi) skripsi17311321.pdf - Published Version Download (1MB)
	Text (Abstrak) abstrak17311321.pdf - Published Version Download (31kB)
	Text (Bab I Pendahuluan) b117311321.pdf - Published Version Download (38kB)
	Text (Bab II Landasan Teori) b217311321.pdf - Published Version Download (122kB)
	Text (Daftar Pustaka) daftar_pustaka17311321.pdf - Bibliography Download (31kB)

Abstract

Nasabah merupakan aset terpenting dalam semua jenis bisnis. Besarnya dunia persaingan antar perusahaan membuat pihak perusahaan tentunya harus mengupayakan berbagai inovasi terdepan di antara perusahaan lainnya, agar nasabah tetap menggunakan layanan ataupun produk pada perusahaan tersebut dan tidak melakukan perpindahan berlanggan pada perusahaan lain atau disebut dengan churn. Perpindahan pelanggan merupakan masalah yang serius dan sebisa mungkin harus segera ditangani, karena dampaknya sangat besar bagi perusahaan. Semakin banyak nasabah pindah ditemui maka dapat dikatakan bahwa ada yang salah dengan produk/layanan yang diberikan. Berdasarkan permasalahan tersebut salah satu pendekatan yang dapat digunakan untuk memprediksi nasabah pindah yaitu menggunakan pendekatan data mining untuk mengklasifikasikan tetap atau pindah seorang pelanggan. Data mining merupakan proses ekstraksi pada kumpulan data yang menghasilkan informasi berharga bagi perusahaan, instansi maupun organisasi yang dapat digunakan dalam proses pengambilan keputusan bisnis yang sangat penting. Penelitian ini bertujuan untuk memprediksi perpindahan nasabah dengan menggunakan algoritma data mining C5.0 dan model partisi data uji dan data latih 80:20, 75:25, dan 70:30. Dari hasil prediksi data nasabah, diperoleh hasil terbaik menggunakan partisi data data testing sebanyak 30% dan data training sebanyak 70%, yang menghasilkan akurasi dari kinerja algoritma Decision Tree terhadap data yang digunakan sebesar 80% dengan nilai confusion matrix yaitu Precision sebesar 0,88, Recall sebesar 0,87, dan nilai F1-Score sebesar 0,87.

Item Type:	Thesis (Strata 1)
Uncontrolled Keywords:	Data Mining,C5.0,Churn,Nasabah
Subjects:	SISTEM INFORMASI (S1) > SYSTEMS KOMPUTER SISTEM INFORMASI (S1) > SYSTEMS KOMPUTER
Divisions:	Fakultas Teknik dan Ilmu Komputer > S1 Sistem Informasi
Depositing User:	Asep Haikal Kurniawan S.IP., M.A
Date Deposited:	05 Jun 2023 02:59
Last Modified:	05 Jun 2023 02:59
URI:	http://repository.teknokrat.ac.id/id/eprint/4763

Actions (login required)

View Item