Komparasi Adaboost dan Bagging Dengan Naïve Bayes Pada Dataset Bank Direct Marketing

Komparasi Adaboost dan Bagging Dengan Naïve Bayes Pada Dataset Bank Direct Marketing

• By Rousyati, Rousyati; Nur Rais, Amin; Hasan, Noor; Faizal Amir, Richky; Warjiyono, Warjiyono;
• Jurnal Nasional Terakreditasi
• 301
• 12-16

Abstrak  - Kampanye pemasaran produk bank secara langsung memiliki kegunaan bagi marketer untuk menawarkan produk baru kepada calon pelanggan yang ditargetkan. Dengan menggunakan data yang sudah ada yang bersumber dari pengalaman melakukan pemasaran dapat digunakan sebagai data yang akan diolah untuk membuat keputusan dimasa depan. Dengan menggunakan algoritma klasifikasi naïve bayes yang digabungkan dengan ensemble adaboost dan baaging, dilakukan percobaan untuk mendapatkan hasil komparasi akurasi dan presisi terbaik. Penelitian ini dilakukan dengan  melakukan 4 kali percobaan dengan skema hanya dengna algoritma naïve bayes, naïve bayes dengan adaboost, naïve bayes dengan bagging, dan naïve bayes dengan adaboost dan bagging. Hasil penelitian menunjukkan bahwa penggunaan algoritma naïve bayes dengan adaboost dan bagging menghasilkan nilai akurasi terbaik sebesar 90,29%. Sedangkan pada presisi, diketahui bahwa nilai presisi terbaik pada percobaan algoritma naïve bayes saja dan naïve bayes dengna bagging dengan nilai presisi yang sama sebesar 94,99%.

Kata Kunci : adaboost, bagging, naïve bayes, imbalance class

 

Abstract  - Direct bank product marketing campaigns have uses for marketers to offer new products to targeted potential customers. By using existing data that comes from experience doing marketing can be used as data that will be processed to make decisions in the future. By using the naïve Bayes classification algorithm combined with the adaboost ensemble and baaging, experiments were carried out to get the best accuracy and precision comparison results. This research was conducted by conducting 4 experiments with the scheme only with the naïve bayes algorithm, naïve bayes with adaboost, naïve bayes with bagging, and naïve bayes with adaboost and bagging. The results showed that the use of the naïve Bayes algorithm with adaboost and bagging resulted in the best accuracy value of 90.29%. While for precision, it is known that the best precision value is in the naïve Bayes algorithm experiment only and naïve Bayes with bagging with the same precision value of 94.99%.

Keywords: adaboost, bagging, naïve bayes, imbalance class

• Katakunci Adaboost, bagging, naïve bayes, imbalance class
• URL https://ejournal.bsi.ac.id/ejurnal/index.php/Bianglala/article/view/9890
• Penerbit LPPM Universitas Bina Sarana Informatika, Jakarta Jawa Barat

REFERENSI

Abbas, S. (2015). Deposit subscribe Prediction using Data Mining Techniques based Real Marketing Dataset. International Journal of Computer Applications, 110(3), 1–7. https://doi.org/10.5120/19293-0725

Anam, C., & Santoso, H. B. (2018). Perbandingan Kinerja Algoritma C4 . 5 dan Naive Bayes untuk Klasifikasi Penerima Beasiswa. Jurnal Ilmiah Ilmu-Ilmu Teknik, 8(1), 13–19.

Aridas, C. K., Karlos, S., Kanas, V. G., Fazakis, N., & Kotsiantis, S. B. (2020). Uncertainty Based Under-Sampling for Learning Naive Bayes Classifiers under Imbalanced Data Sets. IEEE Access, 8, 2122–2133. https://doi.org/10.1109/ACCESS.2019.2961784

Fitriyani, & Wahono, R. S. (2015). Integrasi Bagging dan Greedy Forward Selection pada Prediksi Cacat Software dengan Menggunakan Naive Bayes. IlmuKomputer.Com Journal of Software Engineering, 1(2), 101–108.

Kurniawan, D., & Supriyanto, D. C. (2013). Optimasi Algoritma Support Vector Machine (Svm) Menggunakan Adaboost Untuk Penilaian Risiko Kredit. Jurnal Teknologi Informasi, 9(1), 1414–9999.

Kurniawan, Y. I. (2018). Perbandingan Algoritma Naive Bayes dan C.45 dalam Klasifikasi Data Mining. Jurnal Teknologi Informasi Dan Ilmu Komputer, 5(4), 455. https://doi.org/10.25126/jtiik.201854803

Moro, S., Laureano, R. M. S., & Cortez, P. (2011). Using Data Mining for Bank Direct Marketing: An application of the CRISP-DM methodology. 25th European Simulation and Modelling Conference- ESM’2011, Figure 1, 117–121.

Nurzahputra, A., & Muslim, M. A. (2017). Peningkatan Akurasi Pada Algoritma C4.5 Menggunakan Adaboost Untuk Meminimalkan Resiko Kredit. Prosiding SNATIF Ke-4, 1, 243–247.

Zulhanif. (2018). Algoritma Bagging. Biastatistics, 1(1), 68–72.