Analisis Data Automobile Customer
Menggunakan Algoritma Naïve Bayes dan
Decision Tree
Abrarian Danara Yudhi Argibta
Program Studi Sistem Informasi, Universitas Multimedia Nusantara, Tangerang, Indonesia
abrarian.argibta@student.umn.ac.id
Abstract — Seiring dengan perkembangan jaman
dan semakin meningkatnya kebutuhan alat
transportasi membawa peluang bagi perusahaan
otomotif roda empat, yang sangat dibutuhkan oleh
banyak khalayak publik sebagai sarana
transportasi sehari–hari yang lebih efisien dan
dinamis. Saat ini banyak sekali bermunculan
merek mobil dengan berbagai model, desain,
dengan pilihan kualitas dan harga yang cukup
bersaing. Bagi perusahaan yang bergerak di
bidang otomotif, kondisi ini merupakan suatu
peluang untuk menguasai pangsa pasar di bidang
transportasi. Strategi yang banyak dilakukan
umumnya diarahkan pada klasifikasi tipe
pelanggan. Tujuan penelitian ini adalah meneliti
variabel- variabel yang mempengaruhi daya beli
pelanggan. Objek penelitian pada penelitian ini
adalah JenisKelamin, Status, Umur, Lulus, Profesi,
WorkExperience, Spendingscore, FamilySize,
Kategori, dan Segmentasi.
I. PENDAHULUAN
A. Konsep Decision Tree dan
Hubungannya dengan Automobile
customer
Setiap orang tentu menginginkan sebuah
pengambilan keputusan yang tepat dan efisien tak
terkecuali sebuah perusahaan automotive. Untuk itu
banyak sekali perusahaan yang membutuhkan suatu
media seperti Business Intellegence guna membantu
dalam pengambilan keputusan yang tepat. Namun,
hal tersebut tidak akan berarti tanpa adanya konsep
decision tree. Decision tree adalah salah satu metode
klasifikasi yang paling populer, karena mudah untuk
diinterpretasi oleh manusia. Decision tree adalah
model prediksi menggunakan struktur pohon atau
struktur berhirarki. Konsep dari pohon keputusan
adalah mengubah data menjadi decision tree dan
aturan-aturan keputusan. Manfaat utama dari
penggunaan decision tree adalah kemampuannya
untuk mem-break down proses pengambilan
keputusan yang kompleks menjadi lebih simple,
sehingga pengambil keputusan akan lebih
menginterpretasikan solusi dari permasalahan.
Decision tree juga berguna untuk mengeksplorasi
data, menemukan hubungan tersembunyi antara
sejumlah calon variabel input dengan sebuah
variabel target. Decision tree memadukan antara
eksplorasi data dan pemodelan, sehingga sangat
bagus sebagai langkah awal dalam proses
pemodelan bahkan ketika dijadikan sebagai model
akhir dari beberapa teknik lain.
B. Permasalahan
penurunan konsumen akan pembelian sebuah
mobil dikarenakan konsumen lebih
mempertimbangkan masalah harga terlebih dahulu
untuk membeli sebuah mobil. Tahun 2009 penjualan
dari dealer ke konsumen (retail sale) pada bulan april
2009 mengalami penurunan, karena sebagian
produsen cenderung menaikan harga mobil dan juga
karena penguatan nilai mata uang rupiah sehingga
konsumen perlu berpikir panjang untuk membeli
mobil (Kompas, 2009). Semakin berkembangnya
persaingan dalam dunia bisnis, menuntut para
Automobile customer untuk menemukan suatu pola
yang dapat meningkatkan penjualan dan pemasaran
barang, salah satunya adalah dengan decision tree.
Automobile customer harus mampu memanfaatkan
algo decision tree dengan baik agar mampu meneliti
produk apa saja yang laku dan tidak laku karena
seringkali ditemui beberapa jenis kendaraan yang
tidak laku terjual. Selain itu, tren kendaraan yang
tengah banyak diminati oleh konsumen juga dapat
teridentifikasi sehingga masalah produk yang tidak
laku terjual bisa dihindari.
II. STUDI LITERATUR
A. Naïve Bayes
Algoritma Naive Bayes merupakan sebuah
metode klasifikasi menggunakan metode
probabilitas dan statistik yg dikemukakan oleh
ilmuwan Inggris Thomas Bayes. Algoritma Naive
Bayes memprediksi peluang di masa depan
berdasarkan pengalaman di masa sebelumnya
sehingga dikenal sebagai Teorema Bayes. Ciri
utama dr Naïve Bayes Classifier ini adalah asumsi
yg sangat kuat (naïf) akan independensi dari masing-
masing kondisi / kejadian. Keuntungan penggunan
adalah bahwa metode ini hanya membutuhkan
jumlah data pelatihan (training data) yang kecil
untuk menentukan estimasi parameter yg diperlukan
dalam proses pengklasifikasian. Karena yg
diasumsikan sebagai variabel independent, maka
hanya varians dari suatu variabel dalam sebuah kelas
yang dibutuhkan untuk menentukan klasifikasi,
bukan keseluruhan dari matriks kovarians. Tahapan
dari proses algoritma Naive Bayes adalah:
• Menghitung jumlah kelas / label.
• Menghitung Jumlah Kasus Per Kelas
• Kalikan Semua Variable Kelas
• Bandingkan Hasil Per Kelas
Kelebihan & Kekurangan Naive Bayes:
Kelebihan:
• Mudah untuk dibuat
• Hasil bagus
Kekurangan:
• Asumsi independence antar atribut
membuat akurasi berkurang (karena
biasanya ada keterkaitan)
B. Decision Tree
Decision tree adalah alat pendukung dengan
struktur seperti pohon yang memodelkan
kemungkinan hasil, biaya sumber daya, utilitas, dan
kemungkinan konsekuensi. Decision
menyediakan cara untuk menyajikan algoritma
dengan pernyataan kontrol bersyarat. Mereka
termasuk cabang yang mewakili langkah-langkah
pengambilan keputusan yang dapat mengarah pada
hasil yang menguntungkan. Struktur flowchart
mencakup node internal yang mewakili tes atau
atribut pada setiap tahap. Setiap cabang mewakili
hasil untuk atribut, sedangkan jalur dari daun ke akar
mewakili aturan untuk klasifikasi. Decision tree
merupakan salah satu bentuk algoritma
pembelajaran terbaik berdasarkan berbagai metode
pembelajaran. Mereka meningkatkan model
prediktif dengan akurasi, kemudahan dalam
interpretasi, dan stabilitas. Alat ini juga efektif
dalam menyesuaikan hubungan non-linier karena
mampu memecahkan tantangan penyesuaian data,
seperti regresi dan klasifikasi. Disebut deecision tree
atau pohon keputusan karena pilihannya bercabang,
membentuk struktur yang terlihat seperti pohon.
Decision tree adalah bentuk implementasi dari
metode klasifikasi yang paling banyak digunakan.
Dalam metode ini, data-data yang ada dapat
dikelompokkan dan dimodelkan menjadi sebuah
pohon keputusan, sehingga menjadi lebih mudah
untuk dimengerti. Salah satu keuntungan dari pohon
keputusan adalah outputnya mudah dibaca dan
diinterpretasikan, bahkan tanpa memerlukan
pengetahuan statistik. Misalnya, ketika
menggunakan pohon keputusan untuk menyajikan
informasi demografis pada pelanggan, staf
departemen pemasaran dapat membaca dan
menafsirkan representasi grafis dari data tanpa
memerlukan pengetahuan statistik. Data juga dapat
digunakan untuk menghasilkan wawasan penting
tentang probabilitas, biaya, dan alternatif untuk
berbagai strategi yang dirumuskan oleh departemen
pemasaran. Manfaat lain dari decision tree adalah
Dibandingkan dengan teknik keputusan lainnya,
pohon keputusan membutuhkan sedikit usaha untuk
persiapan data. Pengguna, bagaimanapun, perlu
memiliki informasi yang siap untuk membuat
variabel baru dengan kekuatan untuk memprediksi
variabel target. Mereka juga dapat membuat
klasifikasi data tanpa harus menghitung perhitungan
yang rumit. Untuk situasi yang kompleks, pengguna
dapat menggabungkan pohon keputusan dengan
metode lain. Keuntungan lain dari pohon keputusan
adalah, setelah variabel dibuat, pembersihan data
lebih sedikit diperlukan. Kasus nilai yang hilang dan
outlier kurang signifikan pada data pohon keputusan
Kekurangan decision tree adalah sifatnya yang
tidak stabil, Salah satu keterbatasan pohon
keputusan adalah bahwa mereka sebagian besar
tidak stabil dibandingkan dengan prediktor
keputusan lainnya. Perubahan kecil pada data dapat
menghasilkan perubahan besar dalam struktur
pohon keputusan, yang dapat menyampaikan hasil
yang berbeda dari apa yang akan diperoleh
pengguna dalam peristiwa normal. Perubahan hasil
tree
yang dihasilkan dapat dikelola oleh algoritme
pembelajaran mesin, seperti boosting dan bagging.
Selain itu, decision tree kurang efektif dalam
membuat prediksi ketika tujuan utamanya adalah
untuk memprediksi hasil dari variabel kontinu. Ini
karena pohon keputusan cenderung kehilangan
informasi saat mengkategorikan variabel ke dalam
beberapa kategori.
III. METODOLOGI PENELITIAN
A. Objek penelitian
Objek penelitian ini berfokus pada praktik
pembagian basis pelanggan menjadi kelompok-
kelompok individu yang serupa dalam cara-cara
tertentu yang relevan dengan pemasaran, seperti
usia, jenis kelamin, minat, dan kebiasaan belanja.
B. Metode Pengumpulan Data
Data yang digunakan untuk penelitian bukan
merupakan data primer karena tidak berasal dari
hasil survey ataupun metode pengumpulan data
lainnya yang mengharuskan peneliti untuk terlibat
dalam proses pengumpulan data secara aktual. Data
yang dimanfaatkan dalam penelitian ini adalah data
sekunder, yaitu data yang telah dikumpulkan oleh
pihak lain sebelumnya. Pengumpulan data primer
tidak dapat dilakukan atas dasar suatu pertimbangan,
yaitu keterbatasan jangkauan dan kemampuan untuk
mengumpulkan data penjualan perusahaan tertentu
secara mandiri dalam jangka waktu yang relative
singkat.
Data sekunder yang terkumpul diunduh dari situs
kaggle. Kaggle adalah suatu situs/platform yang
mengadakan perlombaan-perlombaan dalam bidang
Data Science. Selain itu, situs ini juga menjadi salah
satu sumber pembelajaran Data Science yang
umum. Oleh karena itu, untuk mendukung para
peneliti kaggle menyediakan beragam dataset
dengan berbagai variasi data yang dapat digunakan
untuk mengadakan penelitian dengan topik yang
menarik tanpa mengalami kesulitan dalam proses
pengumpulan data.
C. Metode Penelitian
Metode penelitian adalah suatu prosedur atau tata
cara yang digunakan oleh peneliti untuk
memecahkan permasalahan yang diangkat dalam
kegiatan penelitian. Dengan begitu, metode
penelitian bisa dikatakan sebagai cara utama yang
digunakan peneliti untuk mencapai target tujuan dan
memperoleh jawaban atas permasalahan yang
diusung. Dalam penelitian ini, peneliti
menggunakan desain metode penelitian kuantitatif
yang didukung oleh kemampuan analisis data
sehingga data yang diolah dapat memiliki nilai
manfaat lebih bagi proses pengambilan keputusan
oleh pihak tertentu.
efisien, alasan berikutnya adalah karena Beberapa
variabel pada data berbentuk kategorikal.
Kemudian pada metode penelitian kali ini, kami
menggunakan decision tree karena manfaat utama
dari penggunaan decision tree adalah
kemampuannya untuk mem-break down proses
pengambilan keputusan yang kompleks menjadi
lebih simple, sehingga pengambil keputusan akan
lebih menginterpretasikan solusi dari permasalahan.
IV. ANALISIS DATA DAN DISKUSI
A. Identifikasi
Data yang akan digunakan adalah data sekunder
yang dapat diambil dari situs web data koleksi,
(Automobile Customer | Kaggle). Data yang
digunakan saat ini adalah data Automobile
Customer.
Data berisi data umum seperti customer id,
gender, age, graduated, profession, work experience,
spending score, family size, category, dan
segmentation. Kemudian, datanya menjadi
tertanam, diamati, diproses, dan akhirnya
menghasilkan visualisasi menggunakan R.
B. Visualisasi Data
1. Visualisasi data menggunakan Boxplot

Proses pengolahan data akan dilakukan dengan

menggunakan R. R adalah bahasa pemrograman
sekaligus program komputasi yang digunakan untuk
menunjang kegiatan analisis statistika dan grafik. R
diakses menggunakan RStudio. RStudio adalah
Integrated Development Environment (IDE) untuk
R. Proses pertama adalah penginputan data, yaitu Gambar 1. Ilustrasi data dengan boxplot antara
dengan memasukkan data ke dalam R. dari data pekerjaan dengan umur
Kaggle, proses berikutnya adalah mengolah data
dengan algoritma terbaik yang kami gunakan,
algoritma tersebut adalah Naïve Bayes, Naïve Bayes
merupakan sebuah metode klasifikasi menggunakan 2.
metode probabilitas dan statistik yg dikemukakan
oleh ilmuwan Inggris Thomas Bayes. Algoritma
Naive Bayes memprediksi peluang di masa depan
berdasarkan pengalaman di masa sebelumnya
sehingga dikenal sebagai Teorema Bayes. Ciri
utama dr Naïve Bayes Classifier ini adalah asumsi
yg sangat kuat (naïf) akan independensi dari masing-
masing kondisi / kejadian.

Dari beberapa algoritma yang ada, Alasan kami

memilih Naïve Bayes adalah karena Jika ada nilai
yang hilang, maka bisa diabaikan dalam
perhitungan. Kemudian Perhitungannya cepat dan Gambar 2. Decision Tree
C. Penerapan
Gambar 3. Confusion Matrix and Statistics in Naïve
Bayes
Berdasarkan gambar diatas, dapat dijelaskan bahwa
model akurasi pertama Nilai Akurasi : 0.729 P-
Value (Acc > NIR) : < 2.2e-16
Gambar 4
Nilai Akurasi : 0.7289549 Nilai akurasi tergolong
oke, karena keragaman data cukup beragam dan
perbandingan training:test yang bernilai 75%:25%
Gambar 5
Berdasarkan gambar diatas, dapat dijelaskan bahwa
model akurasi kedua Nilai Akurasi : 0.7369 P-Value
(Acc > NIR) : < 2.2e-16
Gambar 6. Berdasarkan data confussion matrix
Gambar7. Statistic per Class
V. KESIMPULAN
Secara umum, Berdasarkan hasil analisa, class
Healthcare, lawyers, Artist, dan marketing memiliki
akurasi nilai paling tinggi, berdasarkan kegiatan
analisis data Automobile Customer dengan
menggunakan dua algoritma yang telah dijabarkan
pada bagian analisis hasil, maka dapat ditarik
kesimpulan bahwa algoritma decision tree lebih baik
untuk digunakan dalam menganalisis data ini karena
tingkat akurasinya yang sangat tinggi.
Para Customer Service, terutama Automobile
Customer dapat memanfaatkan hasil penelitian ini
untuk mengetahui pengelompokkan penjualan
berdasarkan jumlah data, pembeli dari golongan
pekerjaan healthcare, artist, dan lawyer. Selain itu,
seorang customer service juga dapat mempelajari
produk mana saja yang umumnya lebih banyak
dibeli.
UCAPAN TERIMA KASIH
Penulis mengucapkan terima kasih kepada Ir.
Raymond Sunardi Oetama, M.CIS, selaku dosen
Data Analisis, Sistem Informasi program studi,
Universitas Multimedia Nusantara atas kesediaan
waktunya memberikan nasehat, bimbingan, ilmu,
dan wawasannya selama studi.