ABSTRAKSI: Bank merupakan lembaga keuangan yang bergerak dalam bidang keuangan. Salah satu pendukung proses bisnis utama pada bank adalah nasabah. Nasabah memiliki peran yang penting dalam kelangsungan hidup suatu bank, sehingga prediksi pertumbuhan nasabah sangat diperlukan oleh bank dalam rangka perencanaan dan peningkatan kualitas pelayanan yang bertujuan untuk menambah himpunan dana-dana masyarakat untuk menambah persediaan uang.
Salah satu metode prediksi dalam jaringan saraf tiruan yang dapat digunakan adalah Recurrent Neural Network menggunakan Backpropagation Through Time. Arsitektur Recurrent Neural Network membangun sebuah jaringan dengan menentukan jumlah neuron pada hidden layer dengan cara trial and error dan menjadikannya sebagai inputan pada iterasi berikutnya yang kemudian disebut konteks unit. Dari arsitektur yang telah dihasilkan akan dilatih oleh algoritma Backpropagation Through Time, karena algoritma ini mampu melatih arsitektur jaringan yang memiliki hidden layer. Jaringan yang telah dilatih diharapkan mampu mengenali pola saat pelatihan dan mampu memberikan respon yang benar terhadap pola masukan yang serupa tapi tidak sama dengan pola yang dipakai saat pelatihan. Metode ini mempunyai kelebihan untuk peramalan time series dibandingkan dengan metode lain, karena metode ini tidak hanya mempertimbangkan input terbaru, tetapi semua input sebelumnya yang bisa terlihat oleh jaringan. Hal ini diharapkan dapat menghasilkan peramalan time series yang akurat untuk memprediksi pertumbuhan nasabah bank.
Pelatihan digunakan untuk melatih dua jenis data yang digunakan yaitu data berupa jumlah nasabah dan data berupa persentase pertumbuhan nasabah.Dari Pelatihan dengan data berupa jumlah nasabah didapat arsitektur terbaik yaitu 4-10-1 sedangkan untuk pelatihan dengan data berupa persentase pertumbuhan nasabah didapat arsitektur terbaik yaitu 5-5-1. Dari pengujian yang dilakukan terhadap dua jenis data tersebut, untuk pengujian data berupa data jumlah nasabah didapat akurasi terbaik yaitu 99.64% sedangkan untuk pengujian dengan data berupa persentase pertumbuhan nasabah didapat akurasi terbaik yaitu 99.89%.
Kata Kunci : prediksi , nasabah, Recurrent Neural Network, BackpropagationABSTRACT: Bank is a financial institute. There is one that support the core business of bank which called a customer. So, the prediction of customer bank is really needed. Because from the prediction, the institution can plan and increase the service which can increase the saving money from the customer.
Prediction growth of customer bank used recurrent neural network with backpropagation through time algorithm. By the architecture of recurrent, the network can be trained and the hidden can be decided layer can be decided by trial and error which can give a good response.
The training uses two kind of input data, the amount of the customer and the percentage of amount the customer. The training can give the great architecture. The architecture for prediction with amount of the customer is a 4-10-1. And for prediction with percentage of amount the customer is 5-5-1. By the testing, the best accuration from the prediction with amount of the customer in 99.64% and from the prediction with percentage of amount the customer is 99.89%.
Keyword: prediction, customer, Recurrent Neural Network, Backpropagation