Perpustakaan Digital ITB

PT Bank XYZ, Tbk (Bank XYZ) merupakan salah satu bank pembangunan daerah terbesar di Indonesia. Saat ini, Bank XYZ sedang memfokuskan upayanya dalam mengembangkan layanan simpanan untuk meningkatkan DPK dan transactional banking. Salah satu strategi yang dilakukan Bank adalah dengan mempertahankan basis nasabah yang dimiliki melalui program promosi dan engagement campaign. Strategi masih dinilai kurang efektif, terutama pada produk tabungan utama yang ditawarkan, yaitu produk tabungan EA. Pada posisi Juni 2021, tingkat churn nasabah EA adalah 13,02%, yang mencapai 83,5% dari total churn keseluruhan produk simpanan. Ketidakefektifan salah satunya disebabkan karena Bank belum dapat mengidentifikasi nasabahnya yang berpotensi melakukan churn. Di sisi lain, Bank memiliki basis data nasabah dalam jumlah besar yang dapat digunakan untuk mempelajari pola perilaku nasabah. Berdasarkan pola tersebut, dapat dilakukan prediksi churn dan penentuan fokus prioritas pemberian upaya mitigasi. Penelitian ini memanfaatkan data mining untuk membangun model prediksi dan klasterisasi prioritas churn nasabah Bank XYZ terhadap produk tabungan EA. Metodologi yang digunakan pada penelitian dikembangkan berdasarkan Cross Industry Standard Process for Data Mining (CRISP-DM). Algoritma data mining yang digunakan untuk membangun model prediksi adalah Random Forest dan XGBoost, sedangkan untuk membangun model klasterisasi prioritas nasabah churn digunakan algoritma K-means Clustering dengan basis AHP-RFM. Model prediksi churn yang dihasilkan dan dipilih pada penelitian ini adalah model XGBoost dengan kriteria performansi akurasi 92,58%, recall 91,42%, dan presisi 65,42%, yang menandakan bahwa model memiliki performansi cukup baik dalam melakukan prediksi. Model klasterisasi prioritas yang dihasilkan memberikan Silhouette score 0,3953 dan Davies-Bouldin index 0,8208, yang menandakkan bahwa klaster yang terbentuk sudah cukup baik.