scholarly journals Sistem Prediksi Transaksi Nasabah Bank Swasta Memanfaatkan Fuzzy Time Interval Sequential Pattern Mining

Teknika ◽  
2018 ◽  
Vol 7 (1) ◽  
pp. 8-15
Author(s):  
Titasari Rahmawati ◽  
Supangat Supangat

Layanan perbankan saat ini memang dirancang sebagai salah satu cara untuk memuaskan para nasabah. Pelayanan operasional adalah pelayanan yang penting karena terjadi secara langsung. Kebutuhan seorang nasabah yang terjadi sewaktu-waktu sehingga bank harus siap dalam hal dana tunai. Transaksi yang terjadi pada sebuah bank tidak dapat diprediksi dengan kasat mata dikarenakan situasi dan kondisi perekonomian yang labil sehingga bank harus memperhatikan jumlah dana tunai yang tersedia. Oleh sebab itu perlu dibangun sebuah sistem prediksi yang dapat memprediksi transaksi nasabah guna untuk mengetahui pada saat momen apa, transaksi apa yang akan dilakukan serta dalam waktu atau tempo yang sebentar, sedang atau lama transaksi kedua akan dilakukan. Sistem ini menggunakan metode fuzzy time interval sequential pattern yang dapat memprediksi transaksi nasabah dikolaborasi dengan momen.

Author(s):  
Wen-Yen Wang ◽  
◽  
Anna Y.-Q. Huang ◽  

The purpose of time-interval sequential pattern mining is to help superstore business managers promote product sales. Sequential pattern mining discovers the time interval patterns for items: for example, if most customers purchase product item <span class="bold">A</span>, and then buy items <span class="bold">B</span> and <span class="bold">C</span> after <span class="bold">r</span> to <span class="bold">s</span> and <span class="bold">t</span> to <span class="bold">u</span> days respectively, the time interval between <span class="bold">r</span> to <span class="bold">s</span> and <span class="bold">t</span> to <span class="bold">u</span> days can be provided to business managers to facilitate informed marketing decisions. We treat these time intervals as patterns to be mined, to predict the purchasing time intervals between <span class="bold">A</span> and <span class="bold">B</span>, as well as <span class="bold">B</span> and <span class="bold">C</span>. Nevertheless, little work considers the significance of product items while mining these time-interval sequential patterns. This work extends previous work and retains high-utility time interval patterns during pattern mining. This type of mining is meant to more closely reflect actual business practice. Experimental results show the differences between three mining approaches when jointly considering item utility and time intervals for purchased items. In addition to yielding more accurate patterns than the other two methods, the proposed UTMining_A method shortens execution times by delaying join processing and removing unnecessary records.


2012 ◽  
Vol 39 (3) ◽  
pp. 3593-3602 ◽  
Author(s):  
Chieh-Yuan Tsai ◽  
James J.H. Liou ◽  
Chih-Jung Chen ◽  
Ching-Chuan Hsiao

Sign in / Sign up

Export Citation Format

Share Document