Cheryl Sitinjak, Kezia (2025) Analisis Success Profile pada PT. Bank Rakyat Indonesia (Persero) Tbk Menggunakan Algoritma XGBoost. MBKM thesis, Universitas Multimedia Nusantara.
![]() |
PDF
HALAMAN_AWAL.pdf Download (237kB) |
![]() |
PDF
BAB_I.pdf Download (47kB) |
![]() |
PDF
BAB_II.pdf Download (143kB) |
![]() |
PDF
BAB_III.pdf Download (3MB) |
![]() |
PDF
BAB_IV.pdf Restricted to Registered users only Download (14kB) |
![]() |
PDF
DAFTAR_PUSTAKA.pdf Download (74kB) |
![]() |
PDF
LAMPIRAN.pdf Restricted to Registered users only Download (1MB) |
![]() |
PDF
LEMBAR_PENGESAHAN.pdf Download (54kB) |
Abstract
Dalam industri perbankan yang kompetitif, evaluasi kinerja karyawan menjadi kunci untuk menjaga kualitas layanan dan operasional. PT. Bank Rakyat Indonesia (Persero) Tbk menghadapi tantangan dalam menganalisis kinerja Sales Business Manager (SBM) di sektor Small and Medium Enterprises (SME), khususnya terkait kompleksitas data, kebutuhan pembersihan data, dan adaptasi sistem internal seperti BRISIM. Tujuan proyek ini adalah menganalisis profil sukses SBM SME menggunakan algoritma XGBoost untuk meningkatkan efisiensi dan efektivitas evaluasi kinerja karyawan. Metode yang digunakan melibatkan pendekatan Knowledge Discovery in Databases (KDD) yang meliputi data cleansing, eksplorasi data, analisis menggunakan Python, serta visualisasi hasil dengan Tableau. Proses kerja magang terdiri dari tiga tahapan utama: pra-magang untuk persiapan administrasi, pelaksanaan magang dengan tugas analisis dan pengembangan dashboard, serta pasca-magang untuk pelaporan dan evaluasi. Mahasiswa juga melakukan monitoring kualitas kredit melalui analisis data OS, DPK, dan NPL pada berbagai regional office. Hasil proyek menunjukkan bahwa algoritma XGBoost efektif dalam mengidentifikasi pola kinerja SBM SME dan faktor-faktor keberhasilan mereka. Hal ini didukung dengan evaluasi metrik akurasi yang dikur Dimana metrik akurasi precision pada algoritma XGBoost mencapai 0.93, recall 1.00, dan f1-score mencapai 0.96. Kemudian, dashboard interaktif yang dikembangkan mendukung pengambilan keputusan strategis berbasis data. Proyek ini berhasil memberikan rekomendasi berbasis data untuk meningkatkan produktivitas karyawan dan efisiensi proses bisnis. Program ini tidak hanya bermanfaat bagi operasional perusahaan, tetapi juga memberikan pengalaman praktis kepada mahasiswa dalam penerapan teknologi analitik di skala industri.
Item Type: | Thesis (MBKM) |
---|---|
Keywords: | Algoritma XGBoost, Analisis Data, BRI, Success Profile, KDD Framework |
Subjects: | ?? T70 ?? |
Divisions: | Faculty of Engineering & Informatics > Information System |
SWORD Depositor: | Administrator UMN Library |
Depositing User: | Administrator UMN Library |
Date Deposited: | 02 Feb 2025 13:17 |
Last Modified: | 02 Feb 2025 13:17 |
URI: | https://kc.umn.ac.id/id/eprint/36397 |
Actions (login required)
![]() |
View Item |