Teknik Machine Learning untuk Bank Marketing Dataset

Abstract

Peneliti melakukan penelitian ini agar dapat memprediksi manakah klien yang telah berlangganan deposito berjangka dengan baik atau macet agar dapat mempermudah pihak bank dalam mengetahui keakurasian data dengan melihat tingkat akurasi dan tingkat error berdasarkan Coinfussion Matrix. Pada penelitian ini, untuk mengetahui kinerja dari Algoritma NN, SVM, Decision Tree, Rules Based, Fuzzy Logic, Regression Model, KNN, Random Forest, Naïve Bayes maka digunakan data observasi berupa dataset UCI Bank Marketing yang berasal dari (http://archive.ics.uci.edu/ml). Data Bank Marketing ini melibatkan 45212 sampel dengan 16 faktor serta 2 label kelas meliputi: apakah klien telah berlangganan deposito berjangka? ('yes', 'no'). penelitian ini mendapatkan hasil akurasi dengan algoritma NN sebesar 87.54%, SVM sebesar 73.45%, Decision Tree sebesar 75.64%, Rules Based sebesar 65.32%, Fuzzy Logic sebesar 71.34%, Regression Model sebesar 82.32%, KNN sebesar 62.54%, Random Forest sebesar 68.77%, Naïve Bayes  sebesar 83.78%.