"Prediksi Retensi Nasabah Bank Sumut Cabang Pembantu Bengkel dengan Metode Naive Bayes".

Authors

  • jaka irlanda STMIK PELITA NUSANTARA Author
  • Osman Manalu STMIK Pelita Nusantara Author

Keywords:

data mining, niave bayes, retensi pelanggan

Abstract

Abstrak : Dalam era digital, industri perbanan menghadapi tantangan dalam mempertahankan loyalitas nasabah di tengah persaingan yang semakin ketat.Bank Sumut Cabang Pembantu Bengkel mengalami penurunan jumlah nasabah aktif, sehingga diperlukan pendekatan analitis untuk mengidentifikasi faktor-faktor yang mempengaruhi retensi nasabah. Penelitian ini bertujuan untuk membangun model prediksi retensi nasabah menggunakan algoritma Naïve Bayes, yang dikenal memiliki keunggulan dalam klasifikasi berbasis probabilitas.Penelitian ini menggunakan data historis nasabah yang mencakup variabel demografi (usia, pekerjaan, lama menjadi nasabah), riwayat transaksi (saldo rata-rata bulanan, jumlah setoran dan penarikan), serta penggunaan layanan digital (mobile banking, kartu kredit/debit). Model prediksi untuk memastikan kehandalan dalam mengklasifikasikan nasabah bertahan atau churn.Hasil dari peneltian ini adalah naïve bayes dapat mengklasifikasi apakah retensi seorang nasabah berpotensi churn atau bertahan, selanjutnya sistem yang dibangun dapat membuat prediksi dengan otomatis baik itu satu persatu ataupun secara keseluruhan dengan export data, dan dari data testing dengan data-Usia (tahun)=Muda,Pekerjaan=Mlahasiswa,Lama menjadi nasabah= Baru-Saldo rata-rata (Rp) = SedangFrekuensi transaksi (kali per bulan) Penggunaan Mobile Banking dari data tersebut diprediksi bahwa retensi nasasbah tersebut adalah bertahan dengan nilai 0,0001505

Downloads

Published

06.07.2026

How to Cite

"Prediksi Retensi Nasabah Bank Sumut Cabang Pembantu Bengkel dengan Metode Naive Bayes". (2026). Journal Data Science Penusa (JDSP), 3(1), 78-94. https://journal.pelitanusantara.ac.id/index.php/jdsp/article/view/426

Most read articles by the same author(s)

Similar Articles

1-10 of 163

You may also start an advanced similarity search for this article.