Klasifikasi Data Mining untuk Prediksi Potensi Nasabah dalam Membuat Deposito Berjangka

Abstract

Produk atau pelayanan yang dimiliki oleh sebuah Bank sering ditawarkan kepada para nasabah nya dengan cara menawarkan produk atau pelayanan kepada nasabah secara langsung yakni dengan cara menelpon setiap nasabah yang hendak ditawarkan produk dan pelayanannya. Proses penawaran seperti ini biasa disebut pemasaran langsung. Pada proses nya proses pemasaran seperti itu menjadi tidak efektif dan efisien karna pihak Bank menghubungi satu persatu nasabah baik yang memiliki potensi maupun tidak terhadap produk yang ditawarkan. Salah satu produk yang sering ditawarkan adalah pembukaan deposito berjangka, deposito berjangka merupakan deposito yang diterbitkan menurut jangka waktu tertentu sehingga penarikannya hanya bisa dilakukan sesuai dengan perjanjian antara nasabah dan Bank. Untuk dapat memprediksi nasabah mana yang memiliki potensi untuk membuka deposito berjangka maka digunakan pengolahan data mining algoritma klasifikasi yaitu Decision Tree, Naïve Bayes dan k-Nearest Neighbor. Penelitian ini membandingkan ketiga algoritma klasifikasi tersebut untuk memillih algoritma mana yang memiliki tingkat akurasi tertinggi dalam memprediksi potensi nasabah untuk membuka deposito berjangka, hasilnya Decision Tree menjadi algoritma klasifikasi terbaik dengan nilai akurasi 91.26% dibandingkan dengan Naïve Bayes 86.96% dan k-Nearest Neighbor sebesar 90.39%.