ANALISA DATA NASABAH DEPOSITO MENGGUNAKAN ALGORITMA RANDOM FOREST BERBASIS WEBSITE STUDI KASUS : BMT UGT SIDOGIRI CABANG GLENMORE

Husna, Hanum Hilyatul (2021) ANALISA DATA NASABAH DEPOSITO MENGGUNAKAN ALGORITMA RANDOM FOREST BERBASIS WEBSITE STUDI KASUS : BMT UGT SIDOGIRI CABANG GLENMORE. Undergraduate thesis, Universitas Muhammadiyah Jember.

	Text Pendahuluan.pdf Download (728kB)
	Text Abstrak.pdf Download (120kB)
	Text BAB I.pdf Download (285kB)
	Text BAB II.pdf Restricted to Repository staff only Download (693kB) \| Request a copy
	Text BAB III.pdf Restricted to Repository staff only Download (698kB) \| Request a copy
	Text BAB IV.pdf Restricted to Repository staff only Download (1MB) \| Request a copy
	Text BAB V.pdf Restricted to Repository staff only Download (28kB) \| Request a copy
	Text DAFTAR PUSTAKA.pdf Download (144kB)
	Text Lampiran.pdf Download (980kB)
	Text Artikel.pdf Download (779kB)

Abstract

Investasi merupakan salah satu cara untuk mengembangkan jumlah harta yang sedang dimiliki saat ini. Salah satu investasi yang aman adalah deposito atau nama lainnya simpanan berjangka pada BMT (Baitul Maal wa Tamwil) atau non-bank. Dengan investasi yang memiliki resiko sangat rendah banyak nasabah menggemari investasi ini, untuk keuntungan pada masa depan. Marketing Funding merupakan salah satu jabatan pekerjaan di sebuah bank yang memiliki tugas untuk memasarkan atau menawarkan suatu produk dari bank yang bersangkutan, termasuk menawarkan produk deposito. Maka karyawan pada bagian marketing ini memerlukan strategi untuk mengetahui target nasabah seperti apa yang berpotensi menjadi pelanggan deposito berjangka dengan melihat data-data dari nasabah. Pengelolaan data yang luas dan sangat besar bisa diatasi dengan menggunakan data mining. Metode klasifikasi data mining salah satu satunya adalah random forest. Random Forest merupakan penggabungan tree dengan melakukan training pada sampel data yang dimiliki. Penulis berharap dapat membantu marketing bank untuk memilah calon nasabah deposito agar tepat sasaran, dan penulis juga memberikan sebuah aplikasi untuk memudahkan dalam pengambilan keputusan dengan melihat pertimbangan dari aplikasi tersebut. Hasil dari perhitungan random forest di dapatkan nilai akurasi sebesar 82,61% dan presisi 90%.

Item Type:

Thesis (Undergraduate)

Uncontrolled Keywords:

Deposito, Marketing, Data Mining, Random Forest.

Subjects:

000 Computer Science, Information, & General Works > 004 Data Processing, Computer Science

Divisions:

Faculty of Engineering > Department of Informatics Engineering (S1)

Department:

S1 Teknik Informatika

Depositing User:

Husna Hanum Hilyatul