Perpustakaan judul masih dalam tahap pengembangan, admin siap menampung kritik dan saran
Perbandingan Algoritma C4.5 dan Naive Bayes untuk Memprediksi Calon Nasabah Deposito pada Dataset Bank Marketing
Hanang Puring Paranta (2017) | Skripsi | Teknik Informatika , Teknik Komputer
Bagikan
Ringkasan
Perkembangan teknologi semakin canggih manusia dapat mengembangkan promosi bisnis deposito bank. Salah satu cara mempromosikan bisnis adalah dengan menggunakan telemarketing kepada konsumen. Dengan data yang cukup banyak dari konsumen maka dibutuhkan suatu teknik yang dapat mengolah data menjadi informasi yang berguna,salah satu teknik yang bisa digunakan adalah data mining. Algoritma C4.5 dan Naive Bayes merupakan salah satu metode yang dapat digunakan untuk data mining. Data yang digunakan dalam tugas akhir ini berasal dari UCI-WEKA yaitu Bank Marketing berdasarkan Portuguese Banking Institution (dari Mei 2008 sampai dengan November 2010). Tugas Akhir ini berkaitan dengan data mining teknik klasifikasi untuk memprediksi konsumen yang deposito dengan cara membandingkan algoritma C 4.5 dan Naive Bayes dalam segi akurasi (prediksi) dan kecepatan (waktu olah data). Tools yang digunakan pada tugas akhir ini adalah aplikasi WEKA. Hasil yang diharapkan dari Tugas Akhir ini adalah mendapatkan algoritma terbaik dari 2 metode yang di bandingkan dilihat dari akurasi (prediksi) dan kecepatan (waktu olah data) dari masing-masing algoritma. Data yang dipakai adalah data training dan data test yang berasal dari dataset Bank Marketing. Perkembangan teknologi semakin canggih manusia dapat mengembangkan promosi bisnis deposito bank. Salah satu cara mempromosikan bisnis adalah dengan menggunakan telemarketing kepada konsumen. Dengan data yang cukup banyak dari konsumen maka dibutuhkan suatu teknik yang dapat mengolah data menjadi informasi yang berguna,salah satu teknik yang bisa digunakan adalah data mining. Algoritma C4.5 dan Naive Bayes merupakan salah satu metode yang dapat digunakan untuk data mining. Data yang digunakan dalam tugas akhir ini berasal dari UCI-WEKA yaitu Bank Marketing berdasarkan Portuguese Banking Institution (dari Mei 2008 sampai dengan November 2010). Tugas Akhir ini berkaitan dengan data mining teknik klasifikasi untuk memprediksi konsumen yang deposito dengan cara membandingkan algoritma C 4.5 dan Naive Bayes dalam segi akurasi (prediksi) dan kecepatan (waktu olah data). Tools yang digunakan pada tugas akhir ini adalah aplikasi WEKA. Hasil yang diharapkan dari Tugas Akhir ini adalah mendapatkan algoritma terbaik dari 2 metode yang di bandingkan dilihat dari akurasi (prediksi) dan kecepatan (waktu olah data) dari masing-masing algoritma. Data yang dipakai adalah data training dan data test yang berasal dari dataset Bank Marketing. Kata Kunci: Data Mining, Algoritma C 4.5, Naive Bayes, akurasi, kecepatan, klasifikasi.
Ringkasan Alternatif
Technology has increasingly develop in the past few years into a sophisticated stage, in which nowadays people can develop Business Promotion of Bank deposits. One of the ways we can use is to utilize telemarketing to approach consumers. With enough information of the consumers, what we need is a technique that can simply process the information into something useful, One of the techniques we can use is called Data Mining. C4.5 and Naive Bayes algorithm is a method that we can use to utilize data mining. The Information or Data that I use in this thesis comes from UCI-WEKA, a Marketing Bank based from a Portuguese Banking Institution (since May 2008 until November 2010). This Final Assignment refers to the Data Mining Classification Technique to predict the consumers deposits by comparing C 4.5 and Naive Bayes algorithm in terms of accuracy (prediction) and speed (data time processing). And Weka is the application I use in this thesis. The expected outcome of this final task is to get the best algorithm from the 2 methods that were compared viewing the accuracy (prediction) and speed (data time processing) of each algorithm. The source of information or data that has been used comes from the training data & test data derived from the data set Marketing Bank. Keywords: Data mining, Algorithm C .5, Naive Bayes, accuracy, speed, classification.