<![CDATA[Abstract — Introducing products directly is done by many industries, one of the industries that utilize direct marketing is the banking industry. With the product introduction process, the amount of incoming data continues to grow, so that the data can be analyzed for bank marketing, and used to choose the type of marketing carried out. Data mining or often known as data mining is becoming a trend in processing data to get the information needed. Machine Learning becomes a model to find certain patterns to help in making decisions in direct marketing. In the study the process of processing data with machine learning by comparing the results of naïve bayes classification algogirma with the use of smote. The testing model is divided into 2 tests, with smote and without smote. The test results show that the use of smote against the naïve bayes classification algorithm has an influence on the accuracy produced. At the level of accuracy, the comparison between using smote and not using smote, is better when not using smote with an accuracy of 87.52%. Whereas in the F1 Score calculation, the F1 score is better when using a smote of 80.26%. Keywords: accuracy, f1 score, smote, naïve bayes Abstrak – Mengenalkan produk secara langsung banyak dilakukan oleh berbagai industi, salah satu industry yang memanfaatkan pemasaran secara langsung adalah industry perbankan. Dengan dilakukannya proses pengenalan produk, jumlah data yang masuk terus bertambah,sehingga data dapat dianalisa terhadap pemasaran bank, dan digunakan untuk memilih jenis pemasaran yang dilakukan. Penambangan data atau yang sering dikenal dengan data mining menjadi trend dalam melakukan pengolahan data untuk mendapatkan informasi yang dibutuhkan. Machine Learning menjadi model untuk menemukan pola tertentu untuk membantu dalam mengambil keputusan dalam melakukan pemasaran secara langsung. Pada penelitian dilakukan proses pengolahan data dengan machine learning dengan membandingkan hasil pengujian algogirma klasifikasi naïve bayes dengan penggunaan smote. Model pengujian dibagi menjadi 2 pengujian, dengan smote dan tanpa smote. Hasil pengujian menunjukkan bahwa penggunaan smote terhadap algoritma klasifikasi naïve bayes memiliki pengaruh terhadap akurasi yang dihasilkan. Pada tingkat akurasi, perbandingan antara penggunaan smote dan tidak menggunakan smote, lebih baik pada saat tidak menggunakan smote dengan akurasi 87,52%. Sedangkan pada perhitungan F1 Score, nilai F1 score lebih baik pada saat menggunakan smote sebesar 80,26%.. Kata Kunci: akurasi, f1 score, smote, naïve bayes.]]>
