Integrasi SMOTE Dan Ensemble AdaBoost Untuk Mengatasi Imbalance Class Pada Data Bank Direct Marketing

Amin Nur Rais
Agus Subekti (Pusat Penelitian Elektronik dan Telekomunikasi Lembaga Ilmu Pengetahuan Indonesia (LIPI))

Jurnal Informatika
Vol 6, No 2 (2019): September 2019

Kampanye pemasaran produk bank secara langsung dapat dibantu dengan adanya teknologi informasi. Dengan terus bertambahnya data dan penggunaan teklogi informasi, data yang didapatkan dapat dimanfaatkan lebih maksimal untuk membuat keputusan. Dengan teknik klasifikasi dari, didapatkan hasil penambangan data berupa akurasi dari pembelajaran yang dilakukan. Metode dalam penelitian ini dengan menggunakan preprocessing SMOTE dan ensemble AdaBoost yang dikombinasikan dengan algoritma Naïve Bayes, SVM, dan J48. Hasil eksperimen yang diperoleh menunjukkan klasifikasi dengan menggunakan Naïve Bayes untuk akurasi sebesar 88,30%, sedangkan SVM 89,68%, dan J48 memiliki akurasi sebesar 95,73%. Maka dapat disimpulkan bahwa dengan menggunakan teknik klasifikasi Decision Tree J48 yang dikombinasikan dengan preprocessing SMOTE dan ensemble AdaBoost dapat memprediksi untuk menentukan objek pemasaran secara langsung kepada konsumen.