Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Prosiding Seminar Nasional Sains Dan Teknologi Fakultas Teknik

METODE KLASIFIKASI DATA MINING DAN TEKNIK SAMPLING SMOTE MENANGANI CLASS IMBALANCE UNTUK SEGMENTASI CUSTOMER PADA INDUSTRI PERBANKAN Hairani Hairani; Noor Akhmad Setiawan; Teguh Bharata Adji
Prosiding SNST Fakultas Teknik Vol 1, No 1 (2016): PROSIDING SEMINAR NASIONAL SAINS DAN TEKNOLOGI 7 2016
Publisher : Prosiding SNST Fakultas Teknik

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (350.379 KB)

Abstract

Class imbalance merupakan sebuah permasalahan yang lazim ditemukan pada dataset, dimana disribusi antara class mayoritas (Negative) dan minoritas (positive) tidak seimbang. Dengan kata lain, class mayoritas memiliki jumlah yang lebih banyak dibandingkan class minoritas. Dengan distribusi yang tidak seimbang, metode pada machine learning cenderung keliru mengklasifikasikan class minoritas. Paper ini mengadopsi pendekatan teknik sampling yaitu Algoritma SMOTE untuk menangani permasalahan class imbalance yang dikombinasikan dengan metode klasifikasi yang lainnya yaitu metode J48, SVM, dan Naive Bayes. Berdasarkan hasil pengujian yang telah dilakukan dengan tools weka menggunakan evaluasi kinerja confusion matrix, menunjukkan bahwa metode J48+SMOTE memiliki tingkat akurasi dan sensitivity paling tinggi yaitu sebesar 0,93% dan 0,93%. Sedangkan metode SVM memiliki nilai specificity  yang paling tinggi sebesar 0.99% dan metode Naive Bayes memiliki waktu komputasi yang paling cepat dibandingkan ketiga metode lainnya sebesar 0.38 seconds. Dengan demikian, metode J48+SMOTE mampu menangani class imbalance pada dataset Bank Direct Marketing pada industri perbankan dibandingkan metode SVM dan Naive Bayes. Kata kunci: Algoritma SMOTE; Class Imbalance; Metode Klasifikasi
MENGGUNAKAN DATA MINING UNTUK SEGMENTASI CUSTOMER PADA BANK UNTUK MENINGKATKAN CUSTOMER RELATIONSHIP MANAGEMENT (CRM) DENGAN METODE KLASIFIKASI (AGORITMA J-48, ZERO-R DAN NAIVE BAYES) Maghfirah Maghfirah; Teguh Bharata Adji; Noor Akhmad Setiawan
Prosiding SNST Fakultas Teknik Vol 1, No 1 (2015): PROSIDING SEMINAR NASIONAL SAINS DAN TEKNOLOGI 6 2015
Publisher : Prosiding SNST Fakultas Teknik

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Paper ini akan membahas mengenai salah satu model strategi pemasaran yaitu Customer Segmentation yang membantu pihak bank untuk membagi pasar menjadi kelompok nasabah yang terbedakan dengan kebutuhan, karakteristik atau tingkah laku yang berbada yang mungkin membutuhkan produk atau bauran pemasaran yang terpisah. Customer Segmentation dapat dilakukan dengan bantuan teknik Data Mining. Oleh karena itu, dalam paper ini akan dilakukan analisis dari dataset yang berasal dari data Bank Marketing dari marketing sebuah Bank di Portugis yang berhubungan dengan berlangganan Deposito Bank dengan menggunakan salah satu dari teknik data mining yaitu teknik Classification dengan membandingkan algoritma Naive Bayes, Rules Zero-R, dan Trees J-48. Dan hasil dari penerapan ketiga algoritma tersebut dalam paper ini menunjukkan bahwa dengan algoritma J-48 memberikan hasil terbaik dengan error rate terkecil, yaitu 5.8769%. Sedangkan jika dilihat dari segi efiesiensi waktu dan hasil klasifikasi, algoritma Zero-R memberikan hasil terbaik (0,03 detik). Selanjutnya dari hasil yang telah diperoleh tersebut diharapkan dapat dihasilkan Customer Segmentation yang sesuai dengan kebutuhan bank yang dapat meningkatkan kualitas servis dan revenue dari bank tersebut. Kata Kunci : Bank Customer Segmentation, Classification, Datamining