Implementasi Underbagging dan Support Vector Machine untuk Prediksi Churn

HAROEN IBNU ROESMAR

Informasi Dasar

17.04.3500
C
Karya Ilmiah - Skripsi (S1) - Reference

Pesatnya perkembangan zaman menuntut perusahaan besar untuk memaksimumkan keuntungan dan meminimumkan kerugian mereka. Dengan prediksi churn suatu perusahaan dapat menyelesaikan permasalahan tersebut. Namun, agar prediksi churn menghasilkan prediksi yang tepat diperlukan beberapa hal seperti penanganan imbalanced data dan model prediksi yang dapat mengklasifikasikan pelanggan ke dalam kelasnya yang tepat. Penanganan imbalanced data perlu dilakukan karena dapat mengurangi kinerja dari beberapa metode klasifikasi. Dalam penelitian ini, akan digunakan teknik Underbagging untuk menangani permasalahan imbalanced data dan Suport Vector Machine sebagai metode klasifikasi. Nilai F1-Measure terbaik bernilai sebesar 67.69% yang didapat pada skenario pengujian 38 atribut, persentase data uji sebesar 90% dan kernel SVM yang digunakan adalah kernel Polynomial.

Subjek

DATA MINING
 

Katalog

Implementasi Underbagging dan Support Vector Machine untuk Prediksi Churn
 
 
INDONESIA

Sirkulasi

Rp. 0
Rp. 0
Tidak

Pengarang

HAROEN IBNU ROESMAR
Perorangan
UNTARI NOVIA WISESTY, ANNISA ADITSANIA
 

Penerbit

Universitas Telkom
BANDUNG
2017

Koleksi

Kompetensi

  • IKG4E4 - TUGAS AKHIR II

Download / Flippingbook

 

Ulasan

Belum ada ulasan yang diberikan
anda harus sign-in untuk memberikan ulasan ke katalog ini