LATAR BELAKANG
Dalam bisnisnya, hampir semua bank memiliki tujuan utama untuk mendistribusikan pinjaman (loan) secara lebih luas. Hal ini disebabkan oleh laba yang diperoleh dari pinjaman yang didistribusikan tersebut merupakan aset utama bank. Dewasa ini, masih banyak perusahaan keuangan atau bank mengalami kesulitan untuk meminjamkan aset berupa pinjaman (loan) kepada nasabah yang terpecaya dan sesuai ketentuan . Sehingga, secara tidak langsung, bank khususnya di bidang pemasaran akan mengalami kesulitan pula untuk merancang strategi kampanye memperluas distribusi pinjaman.
Thera Bank memiliki basis nasabah yang terus berkembang dan mayoritas nasabahnya merupakan liability customers dengan beragam ukuran simpanan (deposit). Liability customer dalam perbankan merupakan nasabah yang hanya menyimpan asetnya. Sementara jumlah nasabah Thera Bank yang merupakan peminjam aset terbilang cukup sedikit. Oleh karena itu, Thera Bank tertarik untuk memperluas distribusi pinjaman aset (loan) dengan cepat melalui kampanye. Secara khusus, manajemen Thera Bank ingin mengeksplorasi cara mengubah nasabahnya yang hanya menyimpan aset menjadi nasabah peminjam. Hal tersebut mendorong Thera Bank untuk merancang strategi kampanye yang lebih baik guna meningkatkan persentase keberhasilan dengan anggaran minimal. Salah satu metode yang dapat digunakan adalah pendekatan Machine Learning.
Sumber Dataset
Dataset didownload dari : https://www.kaggle.com/datasets/itsmesunil/bank-loan-modelling
Dataset memiliki 5000 observasi mengenai perilaku nasabah Thera Bank.
-
ID : Identitas nasabah berupa nomor urut
-
Age : Usia nasabah (tahun)
-
Experience : Pengalaman profesional nasabah (tahun)
-
ZIP Code : Kode Pos Nasabah
-
Family : Jumlah anggota keluarga nasabah
-
CCVAvg : Rata-rata pengeluaran nasabah menggunakan kartu kredit perbulan ($ 000)
-
Education : Tingkat pendidikan nasabah (1 = Undergrad degree, 2 = Graduate, 3 = Professional)
-
Mortgage : Harga penggadaian rumah nasabah ($ 000)
-
Securities Account : Kepemilikan nasabah akun keamanan bersama bank (0 = Tidak, 1=Ya)
-
CD Account : Kepemilikan nasabah akan sertifikat deposit (0 = Tidak, 1=Ya)
-
Online : Penggunaan nasabah akan fasilitas online banking (0 = Tidak, 1=Ya)
-
Credit Card : Penggunaan nasabah dengan fasilitas kartu kredit (0 = Tidak, 1=Ya)
-
Personal Loan (Target) : Peminjaman ase (personal Loan) ke Nasabah (0 = Tidak, 1=Ya)
Tujuan
Mencari Insight, pattern dan mencari Model Bisnis yang tepat agar strategi Personal Loan dapat Maksimal dan juga meminimalisir kerugian akibat salah memberi Personal Loan.
Model Machine Learning yang diuji
- Logistic Regression
- K-NN
- Decision Tree Classification
- Random Forest Classification