Perpustakaan Digital ITB

Bank sebagai lembaga keuangan vital memainkan peran penting dalam mendukung pertumbuhan ekonomi dan telah mengalami pergeseran perilaku nasabah ke layanan digital akibat pandemi Covid-19. Salah satu strategi untuk mengatasi retensi nasabah adalah dengan membangun model yang dapat memprediksi churn nasabah bank menggunakan pembelajaran mesin berdasarkan karakteristik nasabah. Penelitian ini membangun model regresi logistik dan pohon keputusan menggunakan data nasabah yang meliputi informasi demografi, pola transaksi, dan interaksi dengan layanan digital. Model regresi logistik adalah metode statistik yang digunakan untuk memprediksi probabilitas suatu kejadian berdasarkan satu atau lebih variabel independen, sementara pohon keputusan adalah algoritma yang membagi data menjadi subset yang lebih kecil berdasarkan fitur tertentu untuk membuat keputusan prediktif. Dari kedua model tersebut, akan dipilih model dengan kinerja terbaik berdasarkan metrik akurasi, presisi, recall, f1-score, dan kurva Receiver Operating Characteristic - Area Under Curve (ROC-AUC). Hasil pemodelan menunjukkan bahwa, dalam data yang digunakan, pohon keputusan lebih baik dalam memprediksi churn nasabah dibandingkan dengan regresi logistik. Model pohon keputusan menghasilkan evaluasi model dari matriks konfusi yang lebih baik, serta menunjukkan nilai ROC-AUC yang lebih tinggi. Oleh karena itu, model pohon keputusan dipilih sebagai model terbaik untuk analisis churn nasabah bank dalam penelitian ini.