<![CDATA[Telemarketing merupakan strategi pemasaran penting dalam industri perbankan. Namun, efektivitasnya memerlukan pemahaman mendalam tentang faktor-faktor yang mempengaruhi keputusan nasabah. Analisis data menjadi kunci dalam memahami perilaku nasabah terhadap produk bank yang ditawarkan, dengan tantangan utama adalah seleksi fitur yang relevan dari dataset besar. Penelitian ini mengembangkan model klasifikasi menggunakan Naïve Bayes Classification yang dikombinasikan dengan metode seleksi fitur Wrapper Sequential Feature Selection (WSFS) pada dataset Bank Marketing. Tujuannya untuk membandingkan akurasi klasifikasi Naïve Bayes dengan dan tanpa seleksi fitur WSFS. Identifikasi subset fitur paling berpengaruh dalam memprediksi keputusan nasabah diterapkan dengan WSFS, dilanjutkan dengan klasifikasi Naïve Bayes. Hasil penelitian menunjukkan bahwa penerapan WSFS signifikan meningkatkan akurasi model klasifikasi Naive Bayes dalam memprediksi keputusan nasabah memilih produk deposito, dengan akurasi sebesar 77.87%. Evaluasi tambahan menggunakan metrik precision, recall, dan F1-score juga menunjukkan peningkatan yang konsisten setelah menggunakan WSFS. Penelitian ini berkontribusi dalam mengoptimalkan strategi telemarketing di industri perbankan.]]>
Copyrights © 2024
