KOMPARASI METODE NAÃVE BAYES DAN C4.5 DALAM KLASIFIKASI LOYALITAS PELANGGAN TERHADAP LAYANAN PERUSAHAAN
DOI:
https://doi.org/10.21927/ijubi.v3i1.1205Keywords:
Data Mining, Klasifikasi, Naïve Bayes, C.45.Abstract
Keberadaan pelanggan bagi jalannya sebuah usaha sangatlah penting. Pelanggan memiliki kecenderungan yakni untuk tetap lanjut berlangganan dengan perusahaan atau sebaliknya berhenti berlangganan. Salah satu teknik yang dapat digunakan untuk mengidentifikasi kecenderungan loyalitas pelanggan adalah dengan klasifikasi data. Berdasarkan data pelanggan yang dimiliki perusahaan dapat dilakukan pengolahan data atau data mining dengan mengkelompokan pelanggan yang loyal dan yang tidak loyal. Ada banyak metode yang dapat diterapkan untuk klasifikasi data, diantaranya adalah algortima Naïve Bayes dan C4.5. Kedua metode ini menghasilkan akurasi yang berbeda ketika digunakan untuk proses klasifikasi data. Digunakan 2 skenario dalam proses pengujian kedua algoritma, skenario membagi data dalam data testing dan training serta skenario pengujian menggunakan cross validation. Hasil kedua skenario ini menunjukan bahwa metode C4.5 lebih unggul dibandingkan dengan metode Naïve Bayes dengan akurasi skenario 1 sebesar 78,6086 % dan skenario 2 akurasi sebesar 78,61%.ÂAbstrak
Keberadaan pelanggan bagi jalannya sebuah usaha sangatlah penting. Pelanggan memiliki  kecenderungan yakni  untuk tetap lanjut berlangganan dengan perusahaan atau sebaliknya berhenti berlangganan. Salah satu teknik yang dapat digunakan untuk mengidentifikasi kecenderungan loyalitas pelanggan  adalah dengan klasifikasi data. Berdasarkan data pelanggan yang dimiliki perusahaan dapat dilakukan pengolahan data atau data mining dengan mengkelompokan pelanggan yang loyal dan yang tidak loyal. Ada banyak metode yang dapat diterapkan untuk klasifikasi data, diantaranya adalah algortima Naïve Bayes dan C4.5. Kedua metode ini menghasilkan akurasi yang berbeda ketika digunakan untuk proses klasifikasi data. Digunakan 2 skenario dalam proses pengujian kedua algoritma, skenario membagi data dalam data testing dan training serta skenario pengujian menggunakan cross validation. Hasil kedua skenario ini menunjukan bahwa metode C4.5 lebih unggul dibandingkan dengan metode Naïve Bayes dengan akurasi skenario 1 sebesar 78,6086 % dan skenario 2 akurasi sebesar 78,61%.
References
. Kurniawan, Y.I., 2018. Perbandingan Algoritma Naive Bayes dan C. 45 Dalam Klasifikasi Data Mining. Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), 5(4), pp.455-464.
. Darmawan, E., 2018. C4. 5 Algorithm Application for Prediction of Self Candidate New Students in Higher Education. Jurnal Online Informatika, 3(1), pp.22-28.
. Idris, M. and Suseno, J.E., 2019. Implementation of C4. 5 Algorithm and Forward Chaining Method for Higher Education Performance Analysis. In E3S Web of Conferences (Vol. 125, p. 21002). EDP Sciences.
. Wijaya, A. and Girsang, A.S., 2015. Use of Data Mining for Prediction of Customer Loyalty. CommIT (Communication and Information Technology) Journal, 10(1), pp.41-47.
. Saiyed, S., Bhatt, N. and Ganatra, A.P., 2016. A Survey on Naive Bayes Based Prediction of Heart Disease Using Risk Factors. International Journal of Innovative and Emerging Research in Engineering, 3(2), pp.111-115.
. E. T. L. Musthofa Galih Pradana, Kusrini, “PERBANDINGAN METODE WEIGHTED PRODUCT DAN SIMPLE ADDITIVE WEIGHTING DALAM SELEKSI PENGURUS FORUM ASISTEN (STUDI KASUS : UNIVERSITAS AMIKOM YOGYAKARTA),†vol. 4, no. 2, 2019.
. Vivek Kale. Enterprise Performance Intelligence and Decision Patterns. CRC Press. 2018
. Saxena, K. and Sharma, R., 2015, May. Efficient heart disease prediction system using decision tree. In International Conference on Computing, Communication & Automation (pp. 72-77). IEEE.
. Budi Santosa. 2007. Data Mining Teknik Pemanfaatan Data Untuk Keperluan Bisnis. Graha Ilmu.
Downloads
Published
Issue
Section
License
COPYRIGHT TRANSFER FORM
The copyright to this article is transferred to Alma Ata University Press if and when the article is accepted for publication. The undersigned hereby transfers any and all rights in and to the paper including without limitation all copyrights to AAU Press. The undersigned hereby represents and warrants that the paper is original and that he/she is the author of the paper, except for material that is clearly identified as to its original source, with permission notices from the copyright owners where required. The undersigned represents that he/she has the power and authority to make and execute this assignment.
We declare that:
1. This paper has not been published in the same form elsewhere.
2. It will not be submitted anywhere else for publication prior to acceptance/rejection by this Journal.
3. A copyright permission is obtained for materials published elsewhere and which require this permission for reproduction.
Furthermore, I/We hereby transfer the unlimited rights of publication of the above mentioned paper in whole to AAU Press. The copyright transfer covers the exclusive right to reproduce and distribute the article, including reprints, translations, photographic reproductions, microform, electronic form (offline, online) or any other reproductions of similar nature.
The corresponding author signs for and accepts responsibility for releasing this material on behalf of any and all co-authors. This agreement is to be signed by at least one of the authors who have obtained the assent of the co-author(s) where applicable. After submission of this agreement signed by the corresponding author, changes of authorship or in the order of the authors listed will not be accepted.
Retained Rights/Terms and Conditions
Â
1. Authors retain all proprietary rights in any process, procedure, or article of manufacture described in the Work.
2. Authors may reproduce or authorize others to reproduce the Work or derivative works for the authors personal use or for company use, provided that the source and the AAU Press copyright notice are indicated, the copies are not used in any way that implies AAU Press endorsement of a product or service of any employer, and the copies themselves are not offered for sale.
3. Although authors are permitted to re-use all or portions of the Work in other works, this does not include granting third-party requests for reprinting, republishing, or other types of re-use.
