KOMPARASI METODE NAÏVE BAYES DAN C4.5 DALAM KLASIFIKASI LOYALITAS PELANGGAN TERHADAP LAYANAN PERUSAHAAN

Musthofa Galih Pradana, Pujo Hari Saputro

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%. 

Abstrak

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%.


Keywords


Data Mining, Klasifikasi, Naïve Bayes, C.45.

Full Text:

PDF (Indonesian)

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.




DOI: http://dx.doi.org/10.21927/ijubi.v3i1.1205

Refbacks

  • There are currently no refbacks.


Copyright (c) 2020 Indonesian Journal of Business Intelligence (IJUBI)

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Lisensi Creative Commons
IJUBI by https://ejournal.almaata.ac.id/index.php/IJUBI is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

 

View My Stats
Indonesian Journal of Business Intelligence (IJUBI)
Department of Information System
Alma Ata University
Email: ijubi@almaata.ac.id