ABSTRAKSI: Persaingan di dunia Telekomunikasi di Indonesia saat ini sangat marak sekali dan
sangat kompetitif terlihat dari banyaknya promosi yang dilakukan oleh para
penyedia jasa telekomunikasi untuk dapat menarik pasar yang lebih banyak.
Fenomena persaingan seperti ini harus dapat dipelajari dan diantisipasi supaya
dapat menginterpretasi kelakuan dari pelanggan yang potensial akan berlangganan
suatu produk sehingga dapat meningkatkan revenue di suatu perusahaan. Data
mining sebagai suatu ilmu untuk melakukan analisa data dan untuk menemukan
suatu aturan dalam himpunan data, diharapkan mampu menganalisa hasil
ekstraksi data yang besar menjadi informasi berupa pola menarik dari sekumpulan
data untuk mendukung pengambilan keputusan pada masalah prediksi pelanggan
yang potensial tersebut. Teknik data mining yang digunakan untuk meyelesaikan
masalah tersebut adalah classification, yaitu proses pembangunan model untuk
menentukan kelas berdasarkan record-record data pada training dataset dan
testing dataset untuk memperkirakan kelas pada data baru yang belum diketahui
label kelasnya. Tujuan dari tugas akhir yang berjudul “Optimasi Periode Data
Dengan Menggunakan Decision Tree Untuk Memprediksi Pelanggan
Potensial” ini adalah untuk membuat suatu perangkat lunak yang
mengimplementasikan salah satu metode dalam classification yaitu Decision Tree,
kemudian menganalisa nilai prosentase akurasi classifier dan hasil klasifikasi yang
dibuat serta melakukan analisa terhadap beberapa data input yang mempunyai
rentang waktu atau data yang berperiode sehingga dihasilkan keputusan untuk
penentuan pemakaian data yang optimal untuk dapat meyelesaikan persoalan
prediksi pelanggan yang potensial.Kata Kunci : data mining, classification, Decision Tree C5.0, training dataset, testing dataset, classifier.ABSTRACT: The competition in Telecommunication Industry in Indonesia is very tight, it can
be seen from many promotion by each provider to get consumer more than before.
This phenomenon of competition have to be learned in order to acquaint the
profile of the customer who potentially buy some products in order to increase the
revenue of the company. Data Mining as a knowledge for analyzing data and
finding rules in the data is expected to be able to transform the result from the big
exctracted data to interesting pattern information to support decision making and
also solving the problem of predicting potential customer. Data Mining technique
that is used to solve that problem is classification, classification is a model
making process to predict class lable based on the records in training dataset and
also testing dataset to predict the value of the new unknown class. This Final Task
which the topics is “Data Periode Optimation Using Decision Tree for
Predicting Potential Customer with Clementine” is used to analyze and decide
the optimal period of the data for predicting potential custome based on Decision
Tree method.Keyword: data mining, classification, Decision Tree C5.0, training dataset, testing dataset, classifier.