Pemilihan Fitur Untuk Klasifikasi Loyalitas Pelanggan Terhadap Merek Produkfast Moving Consumer Goods (Studi Kasus: Mie Instan)

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.

[img]
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: https://repository.its.ac.id/id/eprint/72367

Actions (login required)

View Item View Item