Klasifikasi Pelanggan Deposito Potensial menggunakan Ensembel Least Square Support Vector Machine

  • Firman Aziz Universitas Pancasakti
  • Jeffry jeffry Universitas Pancasakti
Keywords: SVM, LS-SVM, Ensemble, AdaBoost, Bank Marketing

Abstract

Jumlah data yang sangat banyak pada industri perbankan sangat susah bahkan mustahil untuk dianalisis secara manual untuk mendapatkan suatu informasi yang berguna untuk menentukan suatu kebijakan. Oleh karena itu, penggunaan data mining diharapkan dapat memberikan kontribusi dalam mengolah data tersebut. Berbagai metode telah banyak digunakan untuk mengklasifikasi suatu data, salah satunya adalah metode support vector machine. Penelitian ini bertujuan untuk melakukan klasifikasi terhadap nasabah yang berpotensi berlangganan deposito pada bank marketing dataset. Fokus penelitian ini mengusulkan pengembangan dari metode support vector machine yaitu metode least square support vector machine kemudian di ensemble menggunakan boosting. Data yang akan diolah adalah bank marketing dataset. Hasil menunjukkan bahwa metode yang diusulkan yakni ensemble least square support vector machine lebih baik dibandingkan dengan metode lainnya dengan persentase tingkat accuracy, sensitivity, specivicity masing-masing adalah 95.15%, 92.93%, 97.61% dengan total rata-rata hasil klasifikasi sebesar 95.23%.

Published
2020-07-23