Klasifikasi Pemasaran Produk pada Perbankan Menggunakan Metode Kuadrat Terkecil

Yudi Aris Munandar, Hartono

Abstract


Pemasaran produk merupakan suatu hal yang sangat penting untuk menjaga kelangsungan hidup perusahaan dan juga membantu perusahaan untuk mencapai tujuannya. Permasalahan pemasaran suatu produk kepada calon nasabah dapat diformulasikan ke dalam masalah klasifikasi. Klasifikasi merupakan metode yang dapat digunakan untuk mempermudah dalam menganalisa dan mengambil suatu keputusan pada sekumpulan data. Ada beberapa metode yang dapat digunakan untuk mengklasifikasikan sekumpulan data dengan cukup baik. Pada penelitian ini, metode yang digunakan untuk mengklasifikasi adalah metode Klasifikasi Kuadrat Terkecil (Least Square Classification). Metode klasifikasi kuadrat terkecil adalah salah satu metode sederhana yang dapat bekerja dengan cukup baik dalam melakukan klasifikasi pemasaran pada perbankan. Secara umum, penyelesaian masalah klasifikasi kuadrat terkecil sama dengan penyelesaian model regresi yang telah ditransformasi ke dalam persamaan linear menggunakan faktorisasi QR. Pada penelitian ini, hasil klasifikasi dalam pemasaran produk perbankan dilakukan dengan data latih sebanyak 7200, dan data uji sebanyak 800 data. Hasil akurasi dari proses perhitungan dapat diperoleh melalui data uji sebesar 84%. Dari hasil pengujian yang dilakukan dapat disimpulkan bahwa metode klasifikasi kuadrat terkecil dapat mengklasifikasikan pemasaran produk pada perbankan dengan cukup baik.

Keywords


klasifikasi kuadrat terkecil; faktorisasi QR; pemasaran produk perbankan; akurasi

Full Text:

PDF

References


Boyd, Stephen and Lieven Vandenberghe. (2018). Introduction to Applied Linear Algebra: Vector, Matrices, and Least Squares. London: Cambridge University.

Anton, Howard & Chris Rorres. (2014). Elementary Linear Algebra (11ed). Canada: Anton Textbooks, Inc.

Yanita dkk. (2020). ”Menghitung Determinan Matriks Blok Menggunakan Ekspansi Laplace dan Komplemen SCHUR”. Jurnal Matematika UNAND. Vol. 9, No. 2, Hal. 138-145.

Wooldridge, Jeffrey M. (2009). Introductory Econometrics A Modern Approach. Canada: Nelson Education, Ltd.

Leung, Jessica & Dmytro Matsypura. (2019). Python Language Companion to “introduction to Applied Linear Algebra: Vector, Matrices, and Least Squaer”. Sidney.

Moro dkk. (2014). “A Data-Driven Approach to Predict the Success of Bank Telemarketing”. Elsevier. https://archive.ics.uci.edu/ml/datasets/bank+marketing.

Junaidi. (2015).” Deskripsi Data Melalui Box-Plot”. Jambi: Universitas Jambi.

Adiwijaya dkk. (2017). ”Analisis Churn Prediction pada Data Pelanggan PT.Telekomunikasi dengan Logistic Regression dan Underbagging”. e-Proceeding of Engineering. Vol. 4, no. 2

Artaya, I Putu. (2019). “Regresi Linear Berganda Metode Dummy”. Surabaya: Universitas Narotama.

Ali dkk. (2015). “Classification With Class Imbalance Problem: A Review”. Int J Adv. Soft Compu. Appl. Vol. 7, no. 3.

Sukron, Akhmad & Agus Subekti. (2018). “Penerapan Metode Random Over-Under Sampling dan Random Forest Untuk Klasifikasi Penilaia Kredit”. Jurnal Informatika Vol.5, no.2.

Fauzi, Ahmad. (2021). “Analisis Data Bank Direct Marketing dengan Perbandingan Klasifikasi Data Mining Berbasis Optimize Selection (Evolutionary)”. Jurnal Informatika Universitas Pamulang, Vol. 6, no. 1.

Rhomadhona, Herfia & Jaka Permadi. (2019). “Klasifikasi Berita Kriminal Menggunakan Naïve Classifier (NBC) dengan Pengujian K-Fold Cross Validation”. Jurnal Sains dan Informatika. Vol. 5, no. 2.

Lazuardy, Ainayya Ghassani & Hari Setiaji. (2019). “Data Cleanssing Pada Data Rumah Sakit”. Proceeding SINTAK.

Saifudin, Aries. (2017). “Metode Data Mining Untuk Seleksi Calon Mahasiswa Pada Penerimaan Mahasiswa Baru Di Universitas Pamulang”. Jurnal Teknologi. Vol. 10, no. 1.


Abstract View: 140, PDF Download: 67

Refbacks

  • There are currently no refbacks.




Prosiding Seminar Nasional

Universitas Respati Yogyakarta

Alamat : JL. Laksda Adisucipto KM 6,3 Depok Sleman Yogyakarta - Indonesia
Tel : 0274-488781
Fax : 0274-489780
Email : wahyurm@respati.ac.id


 
View My Stats
Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.