PREDIKSI NASABAH POTENSIAL DEPOSITO BERJANGKA MENGGUNAKAN REGRESI LOGISTIK DAN SUPPORT VECTOR MACHINE
Abstract
This research aims to identify potential time deposit customers using machine learning techniques based on logistic regression. Customer data is analyzed to determine the factors that influence the decision to choose time deposits. The target label distribution shows significant data imbalance, where the majority of customers do not choose time deposits. Therefore, data balancing techniques such as oversampling and undersampling were applied to improve the accuracy of the model. Model evaluation was performed using ROC curves to evaluate the predictive performance on the minority class. The results show that logistic regression combined with cross-validation techniques are able to provide accurate results and good generalizability. This research makes an important contribution in helping banks effectively identify potential customers so that they can optimize their time deposit marketing strategies.References
N. Wahyu and F. & Segaf, “SEBERAPA PENGARUH PENETAPAN NISBAH BAGI HASIL, INFLASI, DAN JUMLAH UANG BEREDAR TERHADAP DEPOSITO MUDHARABAH DI INDONESIAâ€.
A. Imran, ; Bakkareng, ; Yulistia, J. Manajemen, and F. Ekonomi, “ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PERILAKU TERHADAP KEPUTUSAN NASABAH DALAM MEMILIH PRODUK PINJAMAN DI PT. BRI UNIT TIKU CABANG BUKITTINGGI,†JM, vol. 3, no. 4, pp. 662–677, 2021.
“DOC-20241209-WA0032.â€.
M. Rasikh, A. Riyyasy, W. Nouval Aghniya, and H. Tantyoko, “LEDGER: Journal Informatic and Information Technology Penerapan Algoritma Machine Learning Untuk Memprediksi Term Deposit Nasabah Perbankan.â€
H. Muhammad Nur, V. Maarif, F. Fandi Dwi Imaniawan, and E. Saputro, “Prediksi Keputusan Berdonasi Pada Website Charity Box dengan Toko Waralaba Menggunakan Operator Cross Validation dan Algoritma Decision Tree,†Jurnal Sains dan Manajemen, vol. 12, no. 1, 2024.
L. A. Afifah, A. M. Kosim, H. Hakiem, U. Ibn, K. Bogor ’, and L. Com, “037 | V o l u m e 4 N o m o r 4 2 0 2 3 Strategi Pemasaran Produk Pembiayaan Cicil Emas di Bank Syari’ah Indonesia: Studi Kasus Bank Syari’ah Indonesia KCP Sudirman,†vol. 4, no. 4, 2023.
R. N. Irawan, K. M. Hindrayani, and M. Idhom, “Penerapan Cross Validation sebagai Analisis Sentimen Pelayanan Publik Kereta Api Lokal Daop 8 Menggunakan Metode Multinomial Naïve Bayes,†G-Tech: Jurnal Teknologi Terapan, vol. 8, no. 2, pp. 954–963, Apr. 2024, doi: 10.33379/gtech.v8i2.4117.
M. E. Purbaya, A. F. Nugraha, S. Gustina, and M. K. Azis, “Meta-Algorithms untuk Meningkatkan Kinerja Klasifikasi dalam Keberhasilan Telemarketing Perbankan,†Techno.Com, vol. 19, no. 4, pp. 385–396, 2020, doi: 10.33633/tc.v19i4.3725.
N. Charles, A. Bernard Wijaya, and D. Jollyta, “ANALISIS DATA SEWA SEPEDA DI SEOUL DENGAN VARIATIF METODE KLASIFIKASI,†Jurnal Algoritme, vol. 4, no. 2, pp. 53–62, 2024, doi: 10.35957/algoritme.xxxx.
C. Agustina, “Analisa Nasabah Potensial Tabungan Deposito Berjangka Menggunakan Teknik Klasifikasi Data Mining,†Jurnal Teknologi Informasi dan Terapan, vol. 5, no. 2, pp. 105–112, 2019, doi: 10.25047/jtit.v5i2.88.
N. Purwati, W. H. Pramujati, S. Syakur, and E. Safitri, “Prediksi Pasien Pusat Kesehatan Masyarakat Menggunakan Machine Learning,†Jurnal Sistem dan Teknologi Informasi (JustIN), vol. 12, no. 3, p. 578, Jul. 2024, doi: 10.26418/justin.v12i3.80135.
N. Purwati, W. H. Pramujati, S. Syakur, and E. Safitri, “Prediksi Pasien Pusat Kesehatan Masyarakat Menggunakan Machine Learning,†Jurnal Sistem dan Teknologi Informasi (JustIN), vol. 12, no. 3, p. 578, Jul. 2024, doi: 10.26418/justin.v12i3.80135.
D. Rofianto, E. Safitri, K. Amaliah, J. Fitra, and A. Hijriani, “Cyber Threat Detection Using an Ensemble Model Approach for Phishing Website Identification ARTICLE INFORMATION ABSTRACT,†2024. [Online]. Available: http://innovatics.unsil.ac.id
E. Safitri, R. Rizalnul Fikri, and R. Nurlistiani, “Application of Ensemble Machine Learning for Infectious Diseases with Vaccine Intervention: A Global COVID-19 Case Study,†vol. 16, no. 4, pp. 819–836, 2024, doi: 10.20895/INFOTEL.V16I3.1263.
A. Setiawan and S. Mulyati, “ANALISIS SENTIMEN PENGGUNA SHOPEEPAYLATER PADA TWITTER MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM),†202AD, [Online]. Available: https://journal.mediapublikasi.id/index.php/logic
S. Rabbani, D. Safitri, N. Rahmadhani, A. A. F. Sani, and M. K. Anam, “Perbandingan Evaluasi Kernel SVM untuk Klasifikasi Sentimen dalam Analisis Kenaikan Harga BBM,†MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 3, no. 2, pp. 153–160, Oct. 2023, doi: 10.57152/malcom.v3i2.897.
T. Tan, H. Sama, G. Wijaya, and O. E. Aboagye, “Studi Perbandingan Deteksi Intrusi Jaringan Menggunakan Machine Learning: (Metode SVM dan ANN) Comparative Study of Network Intrusion Detection Using Machine Learning: (SVM and ANN Method),†vol. 13, 2023, doi: 10.34010/jati.v13i2.
A. T. R. DANI, V. RATNASARI, L. NI’MATUZZAHROH, I. C. AVIANTHOLIB, R. NOVIDIANTO, and N. Y. ADRIANINGSIH, “ANALISIS KLASIFIKASI ARTIST MUSIC MENGGUNAKAN MODEL REGRESI LOGISTIK BINER DAN ANALISIS DISKRIMINAN,†Jambura Journal of Probability and Statistics, vol. 3, no. 1, pp. 1–10, May 2022, doi: 10.34312/jjps.v3i1.13708.
M. Valentina, R. Hadi, Y. Rosaripatria, S. I. Oktora, and P. S. Stis, “DETERMINAN PENGANGGURAN TERDIDIK DI PROVINSI NUSA TENGGARA TIMUR (NTT) TAHUN 2018 MENGGUNAKAN REGRESI LOGISTIK BINER,†2021.
A. Ilham Sofiyat and A. Tjalla, “PEMODELAN REGRESI LOGISTIK BINER TERHADAP PENERIMAAN PEGAWAI DI PT XYZ JAKARTA,†2023.
Downloads
Published
Issue
Section
License
Pemberitahuan Hak Cipta
Hak cipta atas artikel yang diterbitkan dalam jurnal ini tetap menjadi milik penulis. Namun, dengan mengirimkan dan menerbitkan artikel, penulis memberikan kepada jurnal hak non-eksklusif untuk menerbitkan, mendistribusikan, dan menampilkan karya mereka secara terbuka.
Seluruh artikel yang diterbitkan dalam jurnal ini dilisensikan di bawah lisensi Creative Commons Attribution 4.0 International (CC BY 4.0). Lisensi ini memungkinkan siapa pun untuk:
Menyalin dan menyebarluaskan materi dalam format atau media apa pun
Mengadaptasi, mengubah, dan membangun berdasarkan materi tersebut
Untuk tujuan komersial maupun non-komersial
Dengan syarat: atribusi yang tepat diberikan kepada penulis asli dan sumbernya, disediakan tautan ke lisensi, dan dicantumkan jika ada perubahan yang dibuat.
Permohonan Izin Tambahan
Jika pengguna ingin menggunakan materi dari jurnal ini di luar batas yang diizinkan oleh lisensi CC BY 4.0 (misalnya untuk reproduksi dalam publikasi tertutup atau penggunaan komersial tanpa atribusi), permohonan izin dapat dikirimkan ke redaksi melalui email: [email jurnal].
