Klasifikasi Data Nasabah yang Berpotensi Membuka Simpanan Deposito Menggunakan Algoritme Naive Bayes
DOI:
https://doi.org/10.29407/8xyzw712Keywords:
deposito, klasifikasi, naive bayesAbstract
Deposito merupakan salah satu instrumen investasi yang populer dipilih karena beragam keuntungan yang ditawarkan dibandingkan dengan tabungan biasa. Keuntungan yang ditawarkan dari deposito adalah suku bunga yang relatif tinggi dibandingkan dengan tabungan, serta minimnya risiko yang harus dihadapi dibandingkan dengan instrumen investasi lainnya seperti investasi saham. Namun memilih atau mencari nasabah yang berpotensi membuka simpanan deposito sering menjadi permasalahan tersendiri terutama bagi pihak bank yang menawarkan deposito. Penelitian ini menggunakan algoritme naïve bayes untuk klasifikasi serta data publik yang diperoleh dari situs UCI Repository Machine Learning berjudul “Bank Marketing Data Set” yang didapat dari program pemasaran langsung dari sebuah bank di Portugis dengan jumlah data 41188 dengan 20 atribut dan 1 output. Hasil pengujian yang dilakukan terhadap 18559 data menggunakan 3-fold cross validation menghasilkan tingkat keakuratan sebesar 86,6419%. Adapun atribut-atribut yang berpengaruh dalam proses klasifikasi adalah Duration, Cons.Conf.Idx, Nr.employed, Emp.Var.Rate, Euribor3m.
Downloads
References
Febriani, F. 2019. Prediksi Nasabah Yang Berpotensi Membuka Simpanan Deposito Menggunakan Metode Decision Tree Dengan Penerapan Algoritme C4.5. Yogyakarta: Universitas Sanata Dharma.
Putri, R. M. Y. 2019. Klasifikasi Data Nasabah Berpotensi Terkena Kredit Macet Dengan Menggunakan Metode Naive Bayes. Yogyakarta: Universitas Sanata Dharma.
Rizqi I D, Wardhani R, Zamroni M H.. 2024. Implementasi Algoritma Naive Bayes pada Sistem Pendukung Keputusan Rekomendasi Wisata di Lamongan. PROSIDING SEMINAR NASIONAL TEKNOLOGI DAN SAINS TAHUN 2024, Vol. 3. e-ISSN: 2828–299X , https://proceeding.unpkediri.ac.id/index.php/stains/article/view/4078/2995 diakses pada tanggal 30 Desember 2024
Prawestina E M , Rohman M G, Zamroni M R. 2024. Sistem Pakar Diagnosa Gangguan Pencernaan Balita Dengan Metode Naive Bayes. PROSIDING SEMINAR NASIONAL TEKNOLOGI DAN SAINS TAHUN 2024, Vol. 3. e-ISSN: 2828–299X. https://proceeding.unpkediri.ac.id/index.php/stains/article/view/4079/2996 diakses pada tanggal 30 Desember 2024
Rahayu R. Algoritma Naïve Bayes. https://www.researchgate.net/publication/376713713_Algoritma_Naive_Bayes di akses pada tanggal 30 Desember 2024.
Han, J, Kamber M, Pei J . 2012 Data mining : Concepts and Techniques 3rd Edition. San Fransisco : Morgan Kaufmann Publishers.
Winanda, O.I., Zega, S.A. and Hilmawan, R., 2019. Prediksi Rating Film Animasi Berdasarkan Elemen Mise En Scene Menggunakan Neural Network. JOURNAL OF APPLIED MULTIMEDIA AND NETWORKING, 3(1), pp.15-26.
Bustami., 2013, Penerapan Algoritme Naive Bayes Untuk Mengklasifikasi Data Nasabah Asuransi, TECHSI :
Jurnal Penelitian Teknik Informatika, Vol. 3, No.2, Hal. 127-146.
Pattekari, S. A., Parveen, A., 2012, Prediction System for Heart Disease Using Naive Bayes, International Journal of Advanced Computer and Mathematical Sciences, ISSN 2230-9624, Vol. 3, No 3, Hal 290-294.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Paulina Mangande, Eko Parmadi
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
