Dalam era bisnis dan ekonomi yang saling terhubung antara satu sama lain dan persaingan antara perusahaan-perusahaan dalam mencari pangsa pasar agar terjadi peningkatan terutama jumlah nasabah khususnya pelanggan deposito, lembaga keuangan dan perusahaan lainnya semakin menyadari pentingnya memahami dan mengidentifikasi nasabah potensial secara tepat untuk mendapatkan calon nasabah berlangganan deposito. Klasifikasi nasabah potensial adalah suatu pendekatan strategis yang memungkinkan lembaga keuangan untuk mengidentifikasi calon nasabah yang memiliki potensi untuk berlangganan deposito. Dengan pemahaman yang lebih mendalam tentang karakteristik dan kebutuhan nasabah potensial, lembaga keuangan dapat mengarahkan sumber daya bagian marketing dengan lebih efektif, meningkatkan upaya pemasaran, dan meningkatkan konversi nasabah potensial menjadi nasabah aktif. Tujuan penelitian ini adalah untuk mengembangkan dan menguji model Ensemble Least Square Support Vector Machine dengan AdaBoost dalam mengklasifikasi nasabah potensial yang dapat meningkatkan akurasi dalam mengidentifikasi calon nasabah yang berpotensi untuk berlangganan deposito. Hasil penelitian menunjukkan bahwa metode ini mencapai akurasi sebesar 95.15%, sensitivitas sebesar 92.93%, dan spesifisitas sebesar 97.61%. Dalam perbandingan dengan model Support Vector Machine dan Least Square Support Vector Machine tunggal, Ensemble Least Squares Support Vector Machine mengungguli keduanya dalam hal akurasi.