Skripsi

Klasifikasi calon nasabah yang berpotensi melakukan deposito berjangka menggunakan algoritma C4.5 berbasis bagging / Aditya Sofyan Maulana

Abstrak
RINGKASAN Maulana Aditya Sofyan. 2019. Klasifikasi Calon Nasabah yang Berpotensi Melakukan Deposito Berjangka Menggunakan Algoritma C4.5 Berbasis Bagging. Skripsi Jurusan Teknik Elektro Fakultas Teknik Universitas Negeri Malang. Pembimbing (I) I Made Wirawan S.T. S.ST. M.T. (II) Harits Ar Rosyid S.T. M.T. Ph.D. Kata Kunci Klasifikasi Deposito C4.5 Bagging SMOTE. Deposito merupakan simpanan yang pengambilannya dilakukan dalam jangka waktu tertentu sesuai kesepakatan antara nasabah dengan pihak bank. Pada data distribusi simpanan bank umum yang dikeluarkan Lembaga Penjamin Simpanan periode sepanjang tahun 2018 deposito menjadi jenis simpanan dengan pendapatan terbesar dari total keseluruhan pendapatan bank. Hal tersebut membuktikan bahwa deposito sangat berpengaruh pada kehidupan sebuah bank karena mendapatkan nilai pemasukan paling besar. Maka dari itu setiap bank perlu meningkatkan strategi pemasarannya untuk mencari calon nasabah yang berpotensi melakukan deposito. Pada penelitian ini dilakukan klasifikasi calon nasabah yang berpotensi melakukan deposito berjangka menggunakan algoritma C4.5 untuk meningkatkan strategi pemasaran marketing sebuah bank. Pada dataset yang digunakan terjadi ketidakseimbangan data oleh karena itu diterapkan metode optimasi bagging untuk mengatasi ketidakseimbangan data dan meningkatkan nilai akurasi pada penelitian ini. Selain metode optimasi bagging digunakan juga teknik SMOTE sebagai alternatif untuk mengatasi ketidakseimbangan data. Proses klasifikasi menggunakan 2 model klasifikasi utama yaitu menggunakan algoritma C4.5 dan algortima C4.5 berbasis bagging. Selain kedua model tersebut dilakukan juga 2 model klasifikasi sebagai alternatif yaitu menggunakan algoritma C4.5 dengan SMOTE dan algoritma C4.5 berbasis bagging dengan SMOTE. Dan untuk evaluasi model klasifikasi diukur menggunakan nilai precision recall dan f-measure dari kelas yes serta nilai akurasi untuk mengukur kinerja klasifikasi keseluruhan. Hasil klasifikasi menggunakan algoritma C4.5 mendapatkan nilai precision 57 71% nilai recall 30 90% nilai f-measure 40 25% dan nilai akurasi 89 43%. Setelah diterapkan metode optimasi bagging terhadap algoritma C4.5 didapatkan hasil yang tidak signifikan. Bagging dianggap tidak mampu mengatasi ketidakseimbangan data. Oleh karena itu dilakukan tambahan proses SMOTE sebagai solusi. Hasil yang didapat menunjukkan bahwa SMOTE meningkatkan nilai evaluasi kelas yes secara signifikan sehingga mendapatkan nilai yang tidak jauh beda dengan nilai akurasi.

Informasi Detail

DDC

Rs 005.1 MAU k

Prodi

Universitas Negeri Malang. Program Studi Teknik Informatika, 2019.

Deskripsi Fisik

xii, 66 lembar: ill., tab.; 30 cm

Bahasa

Indonesia

No Reg

05379/KI/19

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2019

Subjek

1. ALGORITMA KOMPUTER
2. C4.5
3. COMPUTER ALGORITHMS

Pembimbing

1. I Made Wirawan; 2. Harits Ar Rosyid

Lampiran Berkas