<![CDATA[Tujaun penelitian ini adalah mengklasifikasikan pelanggan berdasarkan tabel transaksi dengan pendekatan knowledge discovery from data (KDD) dan metode data mining naïve bayes classifier dengan manfaat menghasilkan pengetahuan yang berguna untuk mengambil keputusan yang terkait dengan mengelola pelanggan.Untuk menggali pengetahuan dari data yang berjumlah besar tersebut, menggunakan data mining dan metode Naïve Bayes Classifier. Untuk mengklasifikasikan pelanggan digunakan tabel transaksi dari proses pembelian kendaraan bermotor dengan pendekatan Knowledge Discovery from Data (KDD) dan metode data mining Naïve Bayes Classifier. Metode yang digunakan pada penelitian terdiri atas metode pengumpulan data yang digunakan untuk pencariaan kebutuhan informasi dengan menggunakan fact finding technique menurut Thomas Connolly dan Carolyn Begg, yang meliputi: Wawancara (Interview), Persyaratan (Requerements) atau Preferensi (Preferences) dan proses penemuan pengetahuan menggunakan pendekatan Knowledge Discovery from Data (KDD). Penellitian ini mengklasifikasikan pelanggan menjadi dua kelas yaitu kelas pelanggan potensial dan pelanggan tidak potensial dengan menggunakan atribut prediksi klasifikasi terdiri atas Pekerjaan, Jenis Bayar, Tenor dan Usia. Hasil dari penelitian menunjukan bahwa Naïve Bayes Classifier telah dapat mengklasifikasikan pelanggan menjadi dua kelas yaitu kelas pelanggan potensial dan pelanggan tidak potensial dengan nilai akurasi masing-masing sebagai berikut : Sensitivity 97%, Specificity 99,8%, Precision 99,8%, Recall 97%, Accuracy 97%, Error Rate 3%.]]>
Copyrights © 2018
