Klasifikasi Telemarketing Menggunakan Naïve Bayes Classification Dan Wrapper Sequential Feature Selection

  • Muhammad Fikri Eina Universitas Jenderal Achmad Yani
  • Yulison Herry Chrisnanto Universitas Jenderal Achmad Yani
  • Melina Melina Universitas Jenderal Achmad Yani

Abstract

Telemarketing merupakan strategi pemasaran penting dalam industri perbankan. Namun, efektivitasnya memerlukan pemahaman mendalam tentang faktor-faktor yang mempengaruhi keputusan nasabah. Analisis data menjadi kunci dalam memahami perilaku nasabah terhadap produk bank yang ditawarkan, dengan tantangan utama adalah seleksi fitur yang relevan dari dataset besar. Penelitian ini mengembangkan model klasifikasi menggunakan Naïve Bayes Classification yang dikombinasikan dengan metode seleksi fitur Wrapper Sequential Feature Selection (WSFS) pada dataset Bank Marketing. Tujuannya untuk membandingkan akurasi klasifikasi Naïve Bayes dengan dan tanpa seleksi fitur WSFS. Identifikasi subset fitur paling berpengaruh dalam memprediksi keputusan nasabah diterapkan dengan WSFS, dilanjutkan dengan klasifikasi Naïve Bayes. Hasil penelitian menunjukkan bahwa penerapan WSFS signifikan meningkatkan akurasi model klasifikasi Naive Bayes dalam memprediksi keputusan nasabah memilih produk deposito, dengan akurasi sebesar 77.87%. Evaluasi tambahan menggunakan metrik precision, recall, dan F1-score juga menunjukkan peningkatan yang konsisten setelah menggunakan WSFS. Penelitian ini berkontribusi dalam mengoptimalkan strategi telemarketing di industri perbankan.

References

Anusuya, R., & Chinnadorai, K. M. (2015). A study on consumer awareness and satisfaction towards handloom products with special reference to Coimbatore district. International Journal in Management & Social Science, 3(9), 296–300.
Bargava. (2016). Bank Marketing. Retrieved June 2, 2024, from Kaggle website: https://www.kaggle.com/datasets/rouseguy/bankbalanced
Cahya, A. D., & Jannah, N. (2022). Analisis Strategi Pemasaran Meningkatkan Jumlah Nasabah Pada Produk Deposito iB Ibadah di PT Bank Sumut Syariah KCPSy HM Yamin. JIKEM: Jurnal Ilmu Komputer, Ekonomi Dan Manajemen, 2(1), 1311–1324.
Chandrashekar, G., & Sahin, F. (2014). A survey on feature selection methods. Computers & Electrical Engineering, 40(1), 16–28.
Damayanti, M. C., & Sastika, W. (2021). Analisis Telemarketing (outbound Call) Produk Indihome Di Witel Bandung Tahun 2021. EProceedings of Applied Science, 7(6).
Fikriah, F. K., & Hayati, N. (2022). Feature Selection dengan Komparasi Algoritma untuk Prediksi Telemarketing Bank. Jurnal Ilmu Komputer. Retrieved from https://archive.ics.uci.edu/ml/datasets/Bank+Marketing
Kumar, A., Kumar, A., Bashir, A. K., Rashid, M., Kumar, V. D. A., & Kharel, R. (2021). Distance based pattern driven mining for outlier detection in high dimensional big dataset. ACM Transactions on Management Information System (TMIS), 13(1), 1–17.
Kusrini, & Emha Taufiq. (2009). Algoritma Data Mining.
Leonardo, R., Pratama, J., & Chrisnatalis, C. (2020). Perbandingan Metode Random Forest Dan Naïve Bayes Dalam Prediksi Keberhasilan Klien Telemarketing. Jurnal Teknologi Dan Ilmu Komputer Prima (Jutikomp), 3(2), 455–459.
Liana, S., & Suryawardani, B. (2018). Pengaruh Telemarketing Terhadap Keputusan Pembelian. EProceedings of Applied Science, 4(3).
Melina, Sukono, Napitupulu, H., Sambas, A., Murniati, A., & Kusumaningtyas, V. A. (2022). Artificial Neural Network-Based Machine Learning Approach to Stock Market Prediction Model on the Indonesia Stock Exchange During the COVID-19. Engineering Letters, 30(3).
Muchlisin Riadi. (2021, December 7). Deposito - Pengertian, Karakteristik, Jenis, Manfaat dan Perhitungan Bunga. Retrieved May 7, 2024, from KAJIANPUSTAKA website: https://www.kajianpustaka.com/2021/12/deposito.html
Piao, Y., Piao, M., Park, K., & Ryu, K. H. (2012). An ensemble correlation-based gene selection algorithm for cancer classification with gene expression data. Bioinformatics, 28(24), 3306–3315. https://doi.org/10.1093/bioinformatics/bts602
Rahmansyah, A., Dewi, O., Andini, P., Ningrum, T. H. P., & Suryana, M. E. (2018). Membandingkan Pengaruh Feature Selection Terhadap Algoritma Naïve Bayes dan Support Vector Machine. Seminar Nasional Aplikasi Teknologi Informasi (SNATi).
Remeseiro, B., & Bolon-Canedo, V. (2019). A review of feature selection methods in medical applications. Computers in Biology and Medicine, 112, 103375.
Saeys, Y., Inza, I., & Larrañaga, P. (2007, October 1). A review of feature selection techniques in bioinformatics. Bioinformatics, Vol. 23, pp. 2507–2517. Oxford University Press. https://doi.org/10.1093/bioinformatics/btm344
Saputra, E. P. (2017). Prediksi Keberhasilan Telemarketing Bank Untuk Mencari Algoritma Dengan Performa Terbaik. JITK (Jurnal Ilmu Pengetahuan Dan Teknologi Komputer), 2(2), 66–72.
Sghir, N., Adadi, A., & Lahmer, M. (2023). Recent advances in Predictive Learning Analytics: A decade systematic review (2012–2022). Education and Information Technologies, 28(7), 8299–8333.
Syafina, N. T., Toker, E. Y., Santoso, A. B., Haryono, C. A. D., & Kurniawan, M. (2023). Implementasi Metode Wrapper Sequential Feature Selection (WSFS) pada Dataset Stroke Menggunakan Metode Naïve Bayes Multinomial. Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi, Dan Teknik Informatika (SNESTIK), 1(1), 340–346.
Vaibhav Jayaswal. (2020). Understanding Naïve Bayes algorithm. Retrieved November 30, 2023, from Towards Data Science website: https://towardsdatascience.com/understanding-na%C3%AFve-bayes-algorithm-f9816f6f74c0
Wah, Y. B., Ibrahim, N., Hamid, H. A., Abdul-Rahman, S., & Fong, S. (2018). Feature selection methods: Case of filter and wrapper approaches for maximising classification accuracy. Pertanika Journal of Science & Technology, 26(1).
Wah, Y. B., Ibrahim, N., Hamid, H. A., Abdul-Rahman, S., & Fong, S. (2018). Feature selection methods: Case of filter and wrapper approaches for maximising classification accuracy. Pertanika Journal of Science & Technology, 26(1).
Yang, F.-J. (2018). An implementation of naive bayes classifier. 2018 International Conference on Computational Science and Computational Intelligence (CSCI), 301–306. IEEE.
Yusa, M., Coastera, F. F., & Yandika, M. R. (2022). Reduksi Dimensi Data menggunakan Metode Wrapper Sequential Feature Selection untuk Peningkatan Performa Algoritma Naïve Bayes terhadap Dataset Medis. JEPIN (Jurnal Edukasi Dan Penelitian Informatika), 8(2), 364–370.
Published
2024-07-10
Abstract viewed = 10 times
PDF downloaded = 6 times