Analisis ini bertujuan untuk memprediksi kemungkinan pelanggan bank menghentikan layanan mereka (churn) menggunakan Algoritma Regresi Logistik. Kumpulan data mencakup informasi pelanggan seperti usia, jenis kelamin, lokasi geografis, saldo, jumlah produk yang digunakan, dan banyak lagi. Melalui proses Exploratory Data Analysis (EDA), Data Preprocessing dan menggunakan algoritma Regresi Logistik, model mempelajari pola dari data untuk mengidentifikasi faktor-faktor yang mempengaruhi churn pelanggan. Analisis menghasilkan model prediksi yang membantu bank mengidentifikasi pelanggan yang cenderung bergejolak dan mengambil tindakan pencegahan untuk mempertahankannya. Selain itu, analisis ini mengungkapkan faktor-faktor utama yang memengaruhi keputusan pelanggan untuk melakukan churn. Visualisasi data dilakukan menggunakan Google Looker Studio untuk mengidentifikasi pola umum dalam data. Untuk analisis yang lebih rinci, silakan kunjungi Analisis Notebook melalui tautan GitHub di bawah dasbor.