Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Buletin Abdi Masyarakat (BAM) Indo-Fintech Intellectuals: Journal of Economics and Business
Puji Setya Sunarka
Universitas 17 Agustus 1945 Semarang
Humanities Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Languange, Linguistic, Communication & Media Social Sciences

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Indo-Fintech Intellectuals: Journal of Economics and Business

 1 
Klasifikasi Pola Pembelian Kendaraan Bermotor Untuk Merancang Strategi Promosi Terarah Menggunakan Algoritma Logistic Regression Ryan Arya Pramudya; Atika Mutiarachim; Puji Setya Sunarka
Indo-Fintech Intellectuals: Journal of Economics and Business Vol. 4 No. 5 (2024): Indo-Fintech Intellectuals: Journal of Economics and Business (in-Press)
Publisher : Lembaga Intelektual Muda (LIM) Maluku

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54373/ifijeb.v4i5.2121

Abstract

Penelitian ini bertujuan mengetahui pengaruh metode Logistic Regression pada klasifikasi kosumen kendaraan bermotor tahun 2021. Klasifikasi konsumen dilakukan untuk mengetahui kriteria konsumen secara spesifik, sehingga dapat melakukan promosi terarah langsung kepada konsumen yang tepat. Data diperoleh dari beberapa dealer penjualan motor di area Jawa Tengah dengan berbagai merk motor, pada rentang waktu Januari sampai Desember 2024. Data memiliki label binomial yang terdiri dari ‘cash’ untuk pembelian tunai dan ‘credit’ untuk pembelian kredit. Tahap preprocessing data dilakukan dengan menyamakan atribut dataset dari masing-masing dealer, downsampling untuk membuat jumlah data lebih simetris, kemudian seleksi data dan transformasi data untuk memastikan data yang digunakan nilainya konsisten, seleksi atribut untuk memilih atribut yang paling tepat digunakan dan memberi pengaruh signifikan. Klasifikasi dilakukan dengan algoritma Logistic Regression. Data dibagi menggunakan metode split dengan 70% data training dan 30% data testing,  Hasil performance akurasi 100% nilai classification error 0%, nilai kappa 1, nilai AUC 1.00 atau 100% di interpretasikan sangat baik, menunjukkan model algoritma Logistic Rgression sangat akurat dan tepat digunakan pada dataset ini.
Co-Authors Atika Mutiarachim M. Rifki Bakhtiar Ryan Arya Pramudya