ABSTRAKSI: Masa sekarang ini, banyak organisasi ataupun kelompok kerja tertentu melakukan kegiatan pengumpulan data tanpa dapat memanfaatkan data yang telah dikumpulkan itu dengan baik. Hal tersebut melatarbelakangi munculnya sebuah teknologi yang berupaya menemukan pola ataupun informasi yang belum diketahui sebelumnya dari sekumpulan besar data, yaitu teknologi data mining. Dengan adanya data mining, diharapkan data yang jumlahnya tidak sedikit di organinsasi atau kelompok kerja itu dapat dimanfaatkan untuk memperoleh suatu informasi yang bermanfaat. Bahkan dalam dunia bisnis pun data mining dapat digunakan. Data mining dapat menjawab pertanyaan-pertanyaan bisnis yang apabila dengan cara manual memerlukan banyak waktu untuk menjawabnya.
Tugas akhir ini menganalisis metode Adaptive Synthetic Minority Oversampling Method (ASMO) pada SVM terhadap data imbalance, khususnya pada data billing coorporate costumer mobile telecommunication. Billing untuk setiap pelanggan pada setiap produk akan digunakan dalam proses klasifikasi untuk menganalisa pengaruh metode ASMO terhadap data imbalance. Keanekaragaman produk yang digunakan oleh coorporate customer sangat besar dan peningkatan penjualan produk yang rendah merupakan masalah dalam pembelajaran dari data yang berdimensi tinggi dengan minority example yang sedikit.
Pada tugas akhir ini diimplementasikan modifikasi untuk mendapatkan data yang seimbang dengan data aggregation dan time interleaving, serta ASMO untuk melakukan oversampling. Untuk mengklasifikasi data dengan dimensi yang tinggi digunakan SVM.
Kata Kunci : ASMO, SVM, coorporate customer, data aggregation, time interleaving.ABSTRACT: Nowadays, a lot of organization or a workgroup do some activities in collecting data without being able to use it properly. For that reason a new technology is deployed, it tries to find an information which has not been found before from a huge group of data, it is called Data Mining technology. It is hoped that those data can be used to gain usefull information. Even data mining can be used in the business world. Data mining technology answer business questions which needs a lot of time to answer it in manually.
This final project analyze Adaptive Synthetic Minority Oversampling Method (ASMO) on SVM for imbalance data, especially on billing coorporate costumer mobile telecommunication data. Billing for every customer on each product will be used in classification process to analyze the effect of ASMO for imbalance data. Variation product which is used by coorporate customer are very large and the low increasing in product selling is a problem in high-dimension-data learning with little minority example
This final project implements a modification to gain a balance data with data aggregation and time interleaving, also with ASMO to do the oversampling. SVM is used for classifying high-dimension-data.
Keyword: ASMO, SVM, coorporate customer, data aggregation, time interleaving.