IMPLEMENTASI MACHINE LEARNING SEBAGAI ANALISIS KEPUASAN PELANGGAN TERHADAP PENGGUNAAN APLIKASI KAI ACCESS

Febrina Tesalonika Nugraha
Hendry Hendry


DOI: https://doi.org/10.29100/jipi.v8i4.4185

Abstract


Revolusi Industri 4.0 adalah sebuah disruption era sebagaimana hal ini ditandai dari cara kerja yang berpindah atau berubah baik salah satunya adalah pada bidang transportasi. Kereta api adalah transportasi darat yang berjalan dengan rangkaian kendaraan lainnya dan bergerak diatas rel. Dengan mengikuti perkembangan zaman seperti yang sudah di kemukakan maka KAI meningkatkan pelayanan dengan berinovasi untuk memmbuat aplikasi KAI Access. Dari jumlah data awal sebanyak 1561 lalu dilakukan cleansing data hingga didapatkan 1117 data. Hasil dari penelitian ini adalah pengguna KAI Access dominan memiliki sentiment positif yang dinilai mayoritas memberikan rating puas terhadap penggunaan aplikasi KAI Access. Dalam hal performa metode Support Vector Machine memiliki tingkat akurasi tertinggi dibandingkan dua pembanding lainnya yaitu K-NN dan Decision Tree. Penelitian ini memberikan wawasan tentang pengaplikasian machine learning sebagai model prediksi kepuasan pelanggan terhadap penggunaan KAI Access.

Full Text:

PDF

Article Metrics :

References


A. Roihan, P. A. Sunarya, and A. S. Rafika, “Pemanfaatan Machine Learning dalam Berbagai Bidang: Review paper,” IJCIT (Indonesian J. Comput. Inf. Technol., vol. 5, no. 1, pp. 75–82, 2020, doi: 10.31294/ijcit.v5i1.7951.

F. Sodik, B. Dwi, and I. Kharisudin, “Perbandingan Metode Klasifikasi Supervised Learning pada Data Bank Customers Menggunakan Python,” vol. 3, pp. 689–694, 2020.

R. Octhario, S. Kasus, K. Kemangi, R. Octhario, S. Karnila, and R. Octhario, “Data mining,” vol. 13, no. 1, pp. 80–89, 2013.

U. Riyanto, “ANALISIS PERBANDINGAN ALGORITMA NAIVE BAYES DAN SUPPORT VECTOR MACHINE DALAM MENGKLASIFIKASIKAN JUMLAH PEMBACA,” pp. 62–72, 2018.

S. Sains, M. Siswa, D. Out, and S. Kasus, “Penerapan Teknik Data Mining dengan Metode Support Vector Machine,” vol. 3, no. 1, 2017.

S. Kom and M. Kom, “PENERAPAN DECISION TREE UNTUK MENGANALISIS MAHASISWA BARU,” vol. 7, no. 1, pp. 8–14, 2016.

W. P. Hidayanti, “Penerapan Algoritma K-Nearest Neighbor Untuk Klasifikasi Efektivitas Penjualan Vape ( Rokok El ektrik ) pada ‘ Lombok Vape On ’ Pendahuluan dihasilkan tidak stabil dan tidak mampu diprediksi Dari penelitian yang dilakukan , berusaha untuk mengklasifikasik,” vol. 3, no. 2, 2020.

S. D. Di and K. Magelang, “1 , 2 , 3 1,” vol. 3, pp. 811–820, 2014.

M. Mahasiswa and B. Di, “Implementasi algoritma k-nearest neighbor untuk menentukan mahasiswa berprestasi di stmik kristen neumann indonesia,” pp. 56–61.

I. Alwiah Musdar, H. Angriani, and S. KHARISMA Makassar, “Implementasi Metode Decision Tree Dalam Menentukan Pemberian Kredit Mobil Menggunakan Visual Basic (Studi Kasus UD PUTRA MAS Makassar),” Jtriste, vol. 4, no. 1, pp. 55–67, 2017.

J. Ilmiah, I. Asia, and F. Pakaja, “STUDY DECISION TREE / POHON KEPUTUSAN SEBAGAI SEBUAH ALAT BANTU PENDUKUNG SISTEM DALAM PROSES PENGAMBILAN KEPUTUSAN PENJUALAN PADA CV . KHAN SETIA UTAMA , PONDOK CABE-DEPOK Sekolah Tinggi Manajemen Informatika dan Komputer ASIA Malang Jurnal Ilmiah Teknol,” vol. 3, no. 2, pp. 51–69, 2009.

L. Robinson, “Implementasi Metode Generalized Vector Space Model Pada Aplikasi Information Retrieval untuk Pencarian Informasi Pada Kumpulan Dokumen Teknik Elektro Di UPT BPI LIPI,” J. Ilm. Komput. dan Inform., 2019.

P. Purnamasari, W. Suyitno, R. E. Indrajit, and M. Fauzi, “Penerapan Data Mining Dalam Menangani,” vol. 1, no. 2, pp. 53–60, 2017.

N. Putu, A. Widiari, I. M. Agus, D. Suarjaya, and D. P. Githa, “Teknik Data Cleaning Menggunakan Snowflake untuk Studi Kasus Objek Pariwisata di Bali,” vol. 8, no. 2, pp. 137–145, 2020.

A.- Arini, L. K. Wardhani, and D.- Octaviano, “Perbandingan Seleksi Fitur Term Frequency & Tri-Gram Character Menggunakan Algoritma Naïve Bayes Classifier (Nbc) Pada Tweet Hashtag #2019gantipresiden,” Kilat, vol. 9, no. 1, pp. 103–114, 2020, doi: 10.33322/kilat.v9i1.878.

I. Indriyanti, N. Ichsan, H. Fatah, T. Wahyuni, and E. Ermawati, “Implementasi Orange Data Mining Untuk Prediksi Harga Bitcoin,” J. Responsif Ris. Sains dan Inform., vol. 4, no. 2, pp. 118–125, 2022, doi: 10.51977/jti.v4i2.762.