ABSTRAKSI: Dunia bisnis yang penuh persaingan membuat para pelakunya harus selalu
memikirkan stategi-strategi terobosan yang dapat menjamin kelangsungan bisnis
mereka. Salah satu aset utama yang dimiliki oleh perusahaan masa kini adalah
data bisnis dalam jumlah yang luar biasa banyak. Hal ini melahirkan kebutuhan
akan adanya teknologi yang dapat memanfaatkannya untuk membangkitkan
pengetahuan baru, yang dapat membantu dalam pengaturan strategi bisnis.
Teknologi data mining hadir sebagai solusi.
Tugas akhir ini akan menganalisis data billing dari pelanggan perusahaan
(coorporate customer) pada perusahaan telekomunikasi skala besar seperti PT.
TELKOM untuk memprediksi coorporate customer yang bernilai tinggi. Billing
untuk setiap pelanggan pada setiap produk akan digunakan untuk menghasilkan
daftar pelanggan yang diprioritaskan untuk pemasaran produk dimana prioritas
berdasarkan pada kemungkinan coorporate customer tersebut akan membeli
produk pada periode selanjutnya. 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 akan diimplementasikan modifikasi untuk
mendapatkan data yang seimbang dengan data aggregasi dan time interleaving.
Untuk mengklasifikasi data dengan dimensi yang tinggi digunakan SVM dengan
value weighting.Kata Kunci : Data mining, coorporate costomer, klasifikasi, SVM, time interleaving, minority example, value weighting.ABSTRACT: The world of business has always been full of competitions. The executors
think relentlessly the way to get survived. There is valuable data warehouse that
could be utilized to generate new knowledge to help in arranging their business
strategies. The knowledge generator, which is data mining technology, would be
introduced.
This Final Project analyses billing data of corporate customers in a large
telecommunications company like PT. TELKOM in order to predict high value
customer. Billing data for each product for each customer are used to generate a
prioritised listing of customers, where the prioritisation is based on the likelihoods
that the customers will, in the next time period, take-up product that they are not
currently using. The diversity of products used by coorporate telecommunications
customers is huge. Coupled with low product take-up rates, makes this a problem
of learning from a very high dimensional feature space with very few minority
examples.
In this final project, will try to modify data in order to get well balanced
data with time interleaving and value weighting. The high dimensionality of the
input space is addressed using SVM with value weighting.Keyword: Data mining, coorporate costumer, classification, SVM, time interleaving, minority example, value weighting