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.