Studi Komparasi Metode Klasifikasi K-Nearest Neighbor dan Naive Bayes Dalam Mengidentifikasi Kepuasan Pelanggan Terhadap Produk

Andhika Karulyana Febrian, Yulison Herry Chrisnanto, Puspita Nurul Sabrina

Abstract


Kepuasaan merupakan tingkat perasaan seseorang ketika diberi pelayan yang baik, persepsi individual terhadap performa barang atau jara yang berhubungan dengan ekspetasi pelanggan. Data Mining biasanya digunakan untuk menemukan pengetahuan, proses pencarian pola yang tersembunyi berupa pengetahuan yang tidak diketahui sebelumnya dari sekumpulan data. Teknik klasifikasi digunakan untuk mengelompokan suatu data berdarkan keterikatan atau karakteristik terhadap data sampel. Penelitian ini telah membandingkan dan mengkombinasikan dua metode yaitu K-Nearest Neighbor dan Naïve Bayes untuk pengklasifikasian kepuasan pelanggan data yang didapatkan dari situs Kaggle sebanyak 800 data dengan parameter nama_produk, bintang_1, bintang_2, bintang_3, bintang_4, bintang_5, dan kualitas_produk. Metode KNN menghasilkan akurasi sebesar 88,44%, Metode Naïve Bayes menghasilkan akurasi sebesar 69,88%, sedangkan kombinasi dua metode menghasilkan akurasi tertinggi sebesar 91,86% hal ini menunjukan bahwa penggunaan dua metode akan menghasilkan akurasi yang tinggi.


Keywords


Kepuasan Pelanggan; Data Mining; Klasifikasi; K-Nearest Neighbor; Naive Bayes; Produk

Full Text:

PDF

References


R. K. Umam, N. P. Hariastuti, I. Teknologi, and A. Tama, “ANALISA KEPUASAN PELANGGAN DENGAN MENGGUNAKAN METODE CUSTOMER SATISFACTION INDEX ( CSI ) DAN IMPORTANCE PERFORMANCE ANALYSIS ( IPA ),” pp. 339–344.

R. A. Haryanto, “Strategi Promosi, Kualitas Produk, Kualitas Layanan Terhadap Kepuasan Pelanggan Pada Restoran Mcdonaldâ€TMS Manado,” J. Ris. Ekon. Manajemen, Bisnis dan Akunt., vol. 1, no. 4, pp. 1465–1473, 2013.

E. F. S. Simanjorang, “Analisa Faktor-Faktor yang Mempengaruhi Keputusan Pembelian Kopi pada Warkop On Mada Rantauprapat,” Ekon. Bisnis Manaj. dan Akunt., vol. 1, no. 1, pp. 91–101, 2020.

V. Novalia and R. Goejantoro, “Perbandingan Metode Klasifikasi Naive Bayes dan K-Nearest Neighbor The Comparison Method Of Classification Naive Bayes and K-Nearest Neighbor ( Case Study : Employment Status Of Citizen In Kutai Kartanegara Regency 2018 ),” vol. 11, pp. 159–166, 2020.

M. Reza Noviansyah, T. Rismawan, and D. Marisa Midyanti, “Penerapan Data Mining Menggunakan Metode K-Nearest Neighbor Untuk Klasifikasi Indeks Cuaca Kebakaran Berdasarkan Data Aws (Automatic Weather Station) (Studi Kasus: Kabupaten Kubu Raya),” J. Coding, Sist. Komput. Untan, vol. 06, no. 2, pp. 48–56, 2018

N. A. Rahmawati and A. C. Bachtiar, “Analisis dan perancangan sistem informasi perpustakaan sekolah berdasarkan kebutuhan sistem,” Berk. Ilmu Perpust. dan Inf., vol. 14, no. 1, p. 76, 2018.

A. Data et al., “oleh 72150001,” 2019.

G. Gusrianty, D. Oktarina, and W. J. Kurniawan, “Sistem Pendukung Keputusan Dengan Metode Promethee Untuk Menentukan Kepuasan Pelanggan Penjualan Sepeda Motor Bekas,” Sistemasi, vol. 8, no. 1, p. 62, 2019.

M. Dahria, S. N. Arief, I. Santoso, and R. Kustini, “Sistem Pendukung Keputusan Menentukan Tingkat Kepuasan Customer Terhadap Pelayanan Jasa Kebersihan Di Pt. SASMenggunakanMetode Fuzzy Asosiative Memory,” J-SISKO TECH (Jurnal Teknol. Sist. Inf. dan Sist. Komput. TGD), vol. 3, no. 1, p. 1, 2020.

B. S. Amalia, Y. Umaidah, and R. Mayasari, “Analisis Sentimen Review Pelanggan Restoran Menggunakan Algoritma Support Vector Machine Dan K-Nearest Neighbor,” SITEKIN J. Sains, Teknol. dan Ind., vol. 19, no. 1, pp. 28–34, 2021.

P. Astuti, “Penerapan Aplikasi Sistem Komparasi Metode K-Nearest,” vol. 10, no. 4, pp. 333–345, 2017.

S. Hanifah, I. Indriati, and M. Marji, “Analisis Sentimen Kepuasan Pengguna Pada Ulasan Aplikasi Marketplace Menggunakan Metode BM25F dan Neighbor-Weighted K-Nearest Neighbor,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 3, no. 10, pp. 10309–10315, 2019

I. dan A. Mutiara, “Penerapan K-Optimal Pada Algoritma Knn Untuk Prediksi Kelulusan Tepat Waktu Mahasiswa Program Studi Ilmu Komputer Fmipa Unlam Berdasarkan Ip Sampai Dengan Semester 4,” Klik - Kumpul. J. Ilmu Komput., vol. 2, no. 2, pp. 159–173, 2015.

M. Siddik, Y. Desnelita, and Gustientiedina, “Penerapan Naïve Bayes untuk Memprediksi Tingkat Kepuasan Mahasiswa Terhadap Pelayanan Akademis,” J. Infomedia, vol. 2, no. 4, pp. 89–93, 2019.

D. R. Sari, D. Hartama, I. S. Damanik, and A. Wanto, “Penerapan Metode Naive Bayes dalam Memprediksi Kepuasan Mahasiswa Terhadap Cara Pengajaran Dosen,” Pros. Semin. Nas. Ris. Inf. Sci., vol. 1, no. September, p. 287, 2019

Y. T. Samuel and K. Dewi, “Penggunaan Metode NAÏVE BAYES Dalam Mengukur Tingkat Kepuasan Pengguna Terhadap Online System Universitas Advent Indonesia The Use of Naïve Bayes Method in Measuring User’s Satisfaction With Adventist University of Indonesia’s Online System,” pp. 147–153, 2008

R. N. Devita, H. W. Herwanto, and A. P. Wibawa, “Perbandingan Kinerja Metode Naive Bayes dan K-Nearest Neighbor untuk Klasifikasi Artikel Berbahasa indonesia,” J. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 4, p. 427, 2018.

P. Pranowo, “C7_13_semnasteknomedia _2015,” 2018.




DOI: https://doi.org/10.31284/p.snestik.2022.2717

Refbacks

  • There are currently no refbacks.


Copyright (c) 2022 andhika karulyana febrian, Yulison Herry Chrisnanto, Puspita Nurul Sabrina

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.