Sulistiani, Heni (2016) Pemilihan Fitur Untuk Klasifikasi Loyalitas Pelanggan Terhadap Merek Produkfast Moving Consumer Goods (Studi Kasus: Mie Instan). Masters thesis, Institut Teknologi Sepuluh Nopember Surabaya.
Preview |
Text
5214201009-master-theses-.pdf - Published Version Download (1MB) | Preview |
Abstract
Pemilihan fitur merupakan salah satu bagian penting dan teknik yang
sering digunakan dalam praproses penggalian data yang membawa efek langsung
untuk mempercepat algoritma penggalian data dan meningkatkan kinerja
pertambangan seperti akurasi prediksi dan hasil yang komprehensif. Penelitian ini
membahas mengenai pemilihan subset fitur dalam klasifikasi loyalitas pelanggan
terhadap merek bagi pengguna fast moving consumer goods(dalam penelitian ini
mengambil studi kasus pada salah satu produknya yaitu mie instan) dan
melakukan analisis terhadap fitur-fitur yang mempengaruhi performa klasifikasi
pohon keputusan.
Data yang digunakan pada penelitian ini merupakan hasil penyebaran
kuisoner kepada para pelanggan mie instan di Propinsi Lampung. Data yang
diperoleh memiliki fitur yang bersifat heterogen, untuk itu dilakukan pengubahan
fitur menjadi fitur homogen. Dalam penelitian ini, mengkombinasikan metode
UFT (unsupervised feature transformation) dan metode DMI (dynamic mutual
information) untuk seleksi fitur. Metode UFT digunakan untuk transformasi fitur
non-numerik menjadi fitur numerik, sehingga fitur yang bersifat heterogen
menjadi fitur homogen. Metode DMI digunakan untuk pemilihan fitur. Hasil
transformasi fitur diklasifikasikan menggunakan algoritmapohon keputusan. Hasil
klasifikasi digunakan untukmelakukan perbandingan performa antara dataset
sebelum pemilihan fitur, setelah dilakukanpemilihan fitur menggunakan metode
DMI, p-Value dan perkiraan peneliti.
Dari hasil pengujian terhadap model prediksi klasifikasi diperoleh fiturfitur
yang mempengaruhi performa klasifikasi pohon keputusanloyalitas
pelanggan. Peningkatan performa tersebut dapat dilihat pada pengimplementasian
metode pemilihan fitur DMIdengan jumlah fitur sebanyak lima. Nilai akurasi,
presisi, recall dan f-measure mengalami peningkatan bila dibandingkan dengan
penggunaan seluruh fitur (sebelum dilakukan pemilihan fitur), metode pemilihan
fitur p-value dan hasil perkiraan, masing-masing nilai tersebut secara berturutturut
adalah sebesar 76.68%, 74.4%, 76.7% dan 73.5%.Fitur-fitur yang
berpengaruh tersebut antara lain jumlah pengeluaran, rata-rata konsumsi, usia,
alamat dan alasan berpindah merek.
===========================================================
Feature selection is one of the important parts and techniques used in data
mining preprocess to bring immediate effect in accelerate the data mining
algorithms and improve the performance of mining such as the prediction
accuracy and comprehensive results. This study discusses the subset features
selection in the classification of customer loyalty to the brand for the fast moving
consumer goods (this study took a case study on one of its products, i.e instant
noodles) and an analysis of the features that affect the performance classification
of decision tree.
The used data in this study is the result of spread questionnaires to
customers instant noodles in Lampung Province. The obtained data has a
heterogeneous features, it is neededto carried out the transformation of features
into a homogeneous features. In this study, we combine UFT (unsupervised
feature transformation) and DMI (dynamic mutual information)methods for
features selection. UFT methods used for transformation of non-numerical
features into a numerical features, so heterogeneous features became
homogeneous features. DMI methods used for feature selection.Feature
transformation result is classified using decision trees algorithm. The results of
classification is used to performance comparisons between the datasets before the
feature selection, after the feature selection using DMI, p-Value and researchers
estimate. The test results of the predictive models of classification obtained the
features that affect the decision tree algorithm performance of customer loyalty.
The performance enhancement can be seen in the implementation of the DMI
feature selection method with a number of features as many as five features.
Value of accuracy, precision, recall and F-measure increased when compared to
the use of all features (prior to the selection of features), methods of feature
selection p-value and methods of researcher's estimate, respectively of values is
76.68%, 74.4 %, 76.7% and 73.5%. The features that affect the performance of
classification, ie expenditures, average of consumption, age of costumer, address
and the reason for switching brands.
| Item Type: | Thesis (Masters) |
|---|---|
| Additional Information: | RTSI 006.4 Sul p |
| Uncontrolled Keywords: | klasifikasi, loyalitas pelanggan, mutual informasi, transformasi fitur |
| Subjects: | Q Science > QA Mathematics > QA76.6 Computer programming. |
| Divisions: | Faculty of Information Technology > Information System > 59101-(S2) Master Thesis |
| Depositing User: | EKO BUDI RAHARJO |
| Date Deposited: | 13 Dec 2019 07:37 |
| Last Modified: | 13 Dec 2019 07:37 |
| URI: | http://repository.its.ac.id/id/eprint/72367 |
Actions (login required)
 |
View Item |