Prediksi Nasabah Bank Menggunakan Algoritma Backpropagation
Kata Kunci:
Nasabah, Prediksi, Algoritma, BackpropagationAbstrak
Penelitian ini bertujuan untuk melihat perkembangan jumlah nasabah bank pada masa yang akan datang. Prediksi ini dibutuhkan untuk menguatkan strategi yang akanditerapkan. Salah satu aktifitas didalam perbankan adalah mengelola nasabah sebagai konsumen terhadap produk yang diselenggarakan pihak perbankan. Dengan prediksi tersebut diharapkan dapat membantu pihak-pihak dalam membuat kebijakan.
Permasalahan yang dihadapi perbankan saat ini belum adanya tools yang dapat digunakan untuk meramal calon nasabah yang berpotensi untuk diprospek sehinggamenjadi kendala dalam penetapan kebijakan. Dalam penelitian ini digunakan AlgoritmaBackpropagation. Algoritma Backpropagation merupakan algoritma yang berfungsi untuk mengurangi tingkat kesalahan dengan mengatur bobot berdasarkan keluaran dan target yang diinginkan. Luaran dari penelitian ini diharapkan dapat menjadi salah satu alat yang dapat membantu untuk melakukan peramalan jumlah calon nasabah yang dapat diprospek pada masa yang akan datang.
Unduhan
Referensi
[2] B. Angelova and J. Zeqiri, “Measuring Customer Satisfaction with Service Quality Using American Customer Satisfaction Model (ACSI Model),†Int. J.
Acad. Res. Bus. Soc. Sci., vol. 1, Jan. 2011, doi:10.6007/ijarbss.v1i2.35.
[3] M. V. Ngo and H. H. Nguyen, “The Relationship between Service Quality, Customer Satisfaction and Customer Loyalty: An Investigation in Vietnamese Retail Banking Sector,†J. Compet., vol. 8, no. 2, pp.103–116, 2016, doi: 10.7441/joc.2016.02.08.
[4] R. Iskandar, W. Afriyenis, N. Pratiwi, and A. A. Rahma, “The Influence of Satisfaction on Quality Dimensions Services Financing Mudharabah to
Customers Loyalty of Shariah Bank,†UPI YPTK J.Bus. Econ., vol. 1, no. 1, pp. 61–74, 2021, doi: 10.35134/jbe.v1i1.15.
[5] E. Tanuar, B. S. Abbas, A. Trisetyarso, C. H. Kang, F. L. Gaol, and W. Suparta, “Back propagation neuralnetwork experiment on team matchmaking MOBA game,†2018 Int. Conf. Inf. Commun. Technol.ICOIACT 2018, vol. 2018-January, pp. 240–243, 2018,doi: 10.1109/ICOIACT.2018.8350796.
[6] A. O. Ibrahim, S. M. Shamsuddin, A. Y. Saleh, A.Ahmed, M. A. Ismail, and S. Kasim, “Backpropagationneural network based on local search strategy and
enhanced multi-objective evolutionary algorithm for breast cancer diagnosis,†Int. J. Adv. Sci. Eng. Inf. Technol., vol. 9, no. 2, pp. 609–615, 2019, doi:
10.18517/ijaseit.9.2.4986.
[7] F. Emmert-Streib, Z. Yang, H. Feng, S. Tripathi, andM. Dehmer, “An Introductory Review of Deep Learning for Prediction Models With Big Data,†Front. Artif. Intell., vol. 3, no. February, pp. 1–23, 2020, doi:10.3389/frai.2020.00004.
[8] A. Windarto, “Implementasi JST Dalam Menentukan Kelayakan Nasabah Pinjaman KUR Pada Bank Mandiri Mikro Serbelawan Dengan Metode Backpropogation,†J-SAKTI (Jurnal Sains Komput. dan Inform., vol. 1, p.12, Aug. 2017, doi: 10.30645/j-sakti.v1i1.25.
