Penerapan domain knowledge pada model data nasabah perbankan dalam memprediksi churn rate

Gede Adi Aryanata, Linawati Linawati, Ida Bagus Alit Swamardika

Abstract


Penelitian ini mendiskusikan tentang proses pembuatan dan pengoptimalan model data yang digunakan untuk memprediksi kemungkinan keluarnya nasabah dari suatu layanan perbankan berdasarkan beberapa variabel independen yang disediakan oleh pihak perbankan. Penelitian ini menggunakan Regresi Logistik sebagai metode utama untuk menghasilkan model hubungan antar data yang menggambarkan klasifikasi umum nasabah yang akan keluar dari layanan perbankan. Penelitian ini menggunakan metode Backward Elimination dan penerapan domain knowledge untuk mengoptimasi kinerja dari model yang dihasilkan. Model terakhir yang dihasilkan akan dinilai kembali dengan metode Cumulative Accuracy Profile. Hasil dari penelitian ini memiliki tingkat akurasi yang baik dalam memprediksi kemungkinan keluarnya nasabah dari layanan perbankan. Model dapat memprediksi 60% orang yang akan keluar dari bank dengan memeriksa 29% dari keseluruhan data. Hasil keluaran penelitian ini dapat dikaitkan dengan tingkat efisiensi usaha yang dapat dilakukan oleh pihak perbankan dalam mengambil tindakan pada nasabah dengan tingkat probabilitas tertinggi untuk keluar dari layanan perbankan.


Keywords


Backward Elimination ; Churn rate ; Cumulative Accuracy Profile ; Logistic Regression

Full Text:

PDF

References


Giles Hindle, Martin Kunc, Michael Mortensen dan Asli Oztekin (2019). Business Analytics: Defining the field and identifying a re-search agenda. In European Journal of Operational Research, 2019.

Duan, Yanqing & Cao, Guangming (2015). An Analysis of the Impact of Business Analytics On Innovation. In Twenty-Third European Conference on Information Systems (ECIS), Münster,

Germany, 2015.

Indria Widyastuti & Dewi Yuliandari (2015). Analisis Peran Bank Perkreditan Rakyat (BPR) Terhadap Peningkatan Kinerja Usaha Mikro Kecil (UMK).

Masyhuri Hamidi (2017). Studi Komparasi Kinerja Bank Perkreditan Rakyat (BPR) Syariah dan Konvensional di Sumatera Barat. Di Iqti-shadia Volume 10 Nomor 1, 2017.

Samal Abani R, Mohanty Manoj K & Fifarek Richard H (2008). Back-ward Elimination Procedure for a Predictive Model of Gold Con-certration. In Journal of Geochemical Exploration, May 2008.

F. Darabi-Golestan & A. Hezarkhani (2016). High Precision Analysis Modeling By Backward Elimination with Attitude on Interaction Effects On Au (Ag)-Polymetallic Mineralization Of Glojeh, Iran. In Journal of African Earth Sciences, 2016.

Nernd Engelmann, Evelyn Hayden & Dirk Tasche (2003). Measuring the Discriminative Power of Rating Systems. In Deutsche Bundes-bank, Discussion Paper series 2: Banking and Financial Supervision No 01/2003.

Michael Haltuf (2014). Support Vector Machines for Credit Scoring. In University of Economics in Prague Faculty of Finance, Departe-ment of Banking and Inscurance, 2014.

Housni, Mohamed, Abdelwahed Namir, Mohammed Talbi dan Nadia Chafiq. Applying Data Analytics and Cumulative Accuracy Profile (CAP) Approach in Real-Time Maintenance of Instructional Design Models. Springer International Publishing AG, part of Springer Na-ture 2019

Naomi Simumba, Surugu Okami, Akira Kodaka & Naohiko Kohtake (2018). Alternative Scoring Factor using Non-Financial Data for Credit Decisions in Agricultural Microfinance. In IEEE Conference on Network Softwarization 25-29 June 2018 – Montreal, Canada. 978-1-5386-4446-1/18/$31.00 ©2018 IEEE.

S. Arifin & F. Samopa (2018). Analysis of Churn rate Significantly Fac-tors in Telecommunication Industry Using Support Vector Ma-chines Method. In IOP Conf. Series: Journal of Physics: Conf. Se-ries 1108 (2018) 012018 doi: 10.1088/1742-6596/1108/1/012018.

P.K.D.N.M. Alwis, B.T.G.S. Kumara & H.A.C.S. Hapuarachchi (2018). Customer Churn Analysis and Prediction in Telecommunication for Decision Making. In 2018 International Conference On Business Innovation (ICOBI), 25 - 26 August 2018, NSBM, Colombo, Sri Lanka.

Agung Surya Mahendra, I Gusti Ngurah; Leo Mahadya Suta, Ida Ba-gus; Sudarma, Made. Classification of Data Mining with Adaboost Method in Determining Credit Providing for Customers. Interna-tional Journal of Engineering and Emerging Technology, [S.l.], v. 4, n. 1, p. 31--36, oct. 2019. ISSN 2579-597X.

Wibawa, I Made Sastra et al. Vertical Holiness Understanding Vertical Holiness As A Received Business On Underpass Development. In-ternational Journal of Engineering and Emerging Technology, [S.l.], v. 5, n. 1, p. 50-56, july 2020. ISSN 2579-597X.

Zufa, Fajri & Nugroho, Sigit & Simanihuruk, Mudin. (2017). Per-bandingan Analisis Diskriminan dan Analisis Regresi Logistik Or-dinal dalam Prediksi Klasifikasi Kondisi Kesehatan Bank. Jurnal Matematika. 7. 92. 10.24843/JMAT.2017.v07.i02.p86.

Byana, Agus & Abusa, F.N (2018). Backward Elimination Untuk Meningkatkan Akurasi Kejadian Stunting Dengan Analisis Al-gortima Support Vector Machine. Dinamika Kesehatan, Vol 9 No. 2 Desember 2018.

Sulaehani. R (2016). Prediksi Keputusan Klien Telemarketing untuk Deposito Pada Bank Menggunakan Algoritma Naive Bayes Ber-basis Backward Elimination. ILKOM Jurnal Ilmiah Volume 8 No-mor 3 (Desember 2016).

Bode A (2017). K-nearest Neighbor dengan Feature Selection Menggunakan Backward Elimination Untuk Prediksi Harga Ko-moditi Kopi Arabika. ILKOM Jurnal Ilmiah Volume 9 Nomor 2 Agustus 2017.

Novelysa Samosir, Partano Siagian, Pengarapen Bangun (2014). Analisa Metode Backward Dan Metode Forward Untuk Menentukan Per-samaan Regresi Linier Berganda. Saintia Matematika ISSN: 2337-9197 Vol. 2, No. 4 (2014), pp. 345–360.

Leukel, J., & M. Hubl. (2018). “The Role of Application Domain Knowledge in Understanding Supply Chain Process Models”. In Proceedings of the 39th International Conference on Information Systems (ICIS 2018). San Francisco, CA, USA.

Khatri, V., Vessey, I., Ramesh, V., Clay, P., & Park, S.-J. (2006). “Un-derstanding Conceptual Schemas: Exploring the Role of Applica-tion and IS Domain Knowledge,” Information Systems Research (17:1), pp. 81-99.




DOI: http://dx.doi.org/10.14414/jbb.v10i2.2506

Refbacks

  • There are currently no refbacks.


Abstracting & Indexing

. .  


Hasil gambar untuk ccby logo

This work is licensed under a Creative Commons Attribution 4.0 International License.