NAVE BAYES DENGAN PEMBOBOTAN GAIN RATIO UNTUK PREDIKSI CALON NASABAH DEPOSITO
| Main Author: | FITRIANI, HELMA |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2017
|
| Subjects: | |
| Online Access: |
http://eprints.umm.ac.id/37596/1/jiptummpp-gdl-helmafitri-47887-1-pendahul-n.pdf http://eprints.umm.ac.id/37596/2/jiptummpp-gdl-helmafitri-47887-2-babi.pdf http://eprints.umm.ac.id/37596/3/jiptummpp-gdl-helmafitri-47887-3-bab2.pdf http://eprints.umm.ac.id/37596/4/jiptummpp-gdl-helmafitri-47887-4-bab3.pdf http://eprints.umm.ac.id/37596/ |
Daftar Isi:
- Deposito merupakan pilihan terbaik bagi masyarakat yang ingin berinvestasi. Banyaknya minat masyarakat terhadap deposito membuat suatu bank harus mengambil kesempatan ini dengan melakukan promosi. Agar promosi yang disampaikan tepat sasaran, salah satu caranya yaitu dengan menggunakan teknik Data Mining. Adapun teknik Data Mining yang tepat digunakan adalah klasifikasi menggunakan metode Nave Bayes. Nave Bayes memiliki kecepatan yang baik ketika dijalankan pada database yang besar. Namun, Nave Bayes memiliki kelemahan yaitu hasil probabilitas tidak berlaku ketika hasil probabilitas yang didapatkan bernilai 0 atau sama, sehingga membuat akurasi menjadi rendah. Untuk mengatasi kelemahan tersebut, salah satu caranya yaitu menggunakan teknik pembobotan Gain Ratio pada Nave Bayes. Pembobotan Gain Ratio digunakan untuk memberikan bobot pada setiap atribut. Hasil dari penelitian ini, akurasi Nave Bayes adalah 85.82% dan akurasi Nave Bayes dengan pembobotan Gain Ratio adalah 88.92%. Penggunaan pembobotan Gain Ratio ternyata dapat meningkatkan akurasi sebesar 3.10%.