Klasifikasi calon nasabah yang berpotensi melakukan deposito berjangka menggunakan algoritma C4.5 berbasis bagging / Aditya Sofyan Maulana
| Main Author: | Maulana, Aditya Sofyan |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2019
|
| Online Access: |
http://repository.um.ac.id/152168/ |
Daftar Isi:
- RINGKASANMaulanaAdityaSofyan.2019.KlasifikasiCalonNasabahyangBerpotensiMelakukanDepositoBerjangkaMenggunakanAlgoritmaC4.5BerbasisBagging.SkripsiJurusanTeknikElektroFakultasTeknikUniversitasNegeriMalang.Pembimbing(I)IMadeWirawanS.T.S.ST.M.T.(II)HaritsArRosyidS.T.M.T.Ph.D.KataKunciKlasifikasiDepositoC4.5BaggingSMOTE.Depositomerupakansimpananyangpengambilannyadilakukandalamjangkawaktutertentusesuaikesepakatanantaranasabahdenganpihakbank.PadadatadistribusisimpananbankumumyangdikeluarkanLembagaPenjaminSimpananperiodesepanjangtahun2018depositomenjadijenissimpanandenganpendapatanterbesardaritotalkeseluruhanpendapatanbank.Haltersebutmembuktikanbahwadepositosangatberpengaruhpadakehidupansebuahbankkarenamendapatkannilaipemasukanpalingbesar.Makadariitusetiapbankperlumeningkatkanstrategipemasarannyauntukmencaricalonnasabahyangberpotensimelakukandeposito.PadapenelitianinidilakukanklasifikasicalonnasabahyangberpotensimelakukandepositoberjangkamenggunakanalgoritmaC4.5untukmeningkatkanstrategipemasaranmarketingsebuahbank.Padadatasetyangdigunakanterjadiketidakseimbangandataolehkarenaituditerapkanmetodeoptimasibagginguntukmengatasiketidakseimbangandatadanmeningkatkannilaiakurasipadapenelitianini.SelainmetodeoptimasibaggingdigunakanjugateknikSMOTEsebagaialternatifuntukmengatasiketidakseimbangandata.Prosesklasifikasimenggunakan2modelklasifikasiutamayaitumenggunakanalgoritmaC4.5danalgortimaC4.5berbasisbagging.Selainkeduamodeltersebutdilakukanjuga2modelklasifikasisebagaialternatifyaitumenggunakanalgoritmaC4.5denganSMOTEdanalgoritmaC4.5berbasisbaggingdenganSMOTE.Danuntukevaluasimodelklasifikasidiukurmenggunakannilaiprecisionrecalldanf-measuredarikelasyessertanilaiakurasiuntukmengukurkinerjaklasifikasikeseluruhan.HasilklasifikasimenggunakanalgoritmaC4.5mendapatkannilaiprecision5771%nilairecall3090%nilaif-measure4025%dannilaiakurasi8943%.SetelahditerapkanmetodeoptimasibaggingterhadapalgoritmaC4.5didapatkanhasilyangtidaksignifikan.Baggingdianggaptidakmampumengatasiketidakseimbangandata.OlehkarenaitudilakukantambahanprosesSMOTEsebagaisolusi.HasilyangdidapatmenunjukkanbahwaSMOTEmeningkatkannilaievaluasikelasyessecarasignifikansehinggamendapatkannilaiyangtidakjauhbedadengannilaiakurasi.