Mohammad Arif Ikhsanudin, 4111418028 (2023) Implementasi Algoritma C4.5 dan Naive Bayes Classifier Untuk Klasifikasi Kepuasan Pelanggan Pada E-Learning Platform. Under Graduates thesis, UNNES.

	PDF Download (237kB)
	PDF Download (178kB)
	PDF - Published Version Download (328kB)
	PDF Restricted to Repository staff only Download (294kB) | Request a copy
	PDF Restricted to Repository staff only Download (3MB) | Request a copy
	PDF - Published Version Restricted to Repository staff only Download (641kB) | Request a copy

Abstract

Tren data mining akhir-kahir ini sedang hangat diperbincangkan pada era revolusi industri 4.0 saat ini, yaitu untuk metode klasifikasi dalam memecahkan suatu masalah. Salah satu masalah yang dapat dipecahkan oleh aplikasi klasifikasi dalam data mining adalah kasifikasi kepuasan pelanggan. Salah satu aplikasi data mining adalah klasifikasi kepuasan pelanggan. Kepuasan pelanggan terus berkembang seiring dengan kebutuhan bisnis untuk memahami dan meningkatkan pengalaman pelanggan. Metode Algoritma C4.5 ialah suatu teknik yang bersifat decision tree yang memiliki tujuan untuk mendapatkan suatu bentuk pengaturan�pengaturan dan putusan yang bertujuan untuk menunjang tingkat kepastian daripada prediksi. Algoritma Naïve Bayes Clasifier merupakan suatu bentuk metode dalam melakukan tindakan pengklasifikasian dengan suatu kemungkinan yang bertujuan untuk mendapatkan suatu kepastian yang bersifat sangat tinggi yang dilakukan dengan bersamaan pada database. Tujuan Penelitian ini adalah (1) mengetahui implementasi algoritma C4.5 dalam mengklasifikasikan kepuasan pelanggan, (2) mengetahui implementasi algoritma Naïve Bayes dalam mengklasifikasikan kepuasan pelanggan, (3) mengetahui hasil akurasi terbaik dari kedua algoritma dalam mengklasifikaskan kepuasan pelanggan. Kriteria dalam penentuan algoritma untuk model klasifikasi kepuasan pelanggan dengan membandingkan hasil akurasi, precision, recall, dan nilai AUC untuk membandingkan hasil evaluasi model terbaik. Dari hasil yang telah didapatkan, pada klasifikasi terhadap dataset kepuasan pelanggan terhadap platform e-learning memiliki yang memiliki 4 variabel bebas dan 1 variabel terikat memiliki kesimpulan bahwasa Algoritma Naïve Bayes mendapathan hasil akurasi serta evaluasi performa yang lebih baik dari pada Algoritma C4.5. Untuk algoritma C4.5 menghasilkan akurasi sebesar 93% dan nilai AUC 67%, sedangkan untuk hasil dari algoritma Naïve Bayes sebesar 94% dan nilai AUC 87%. Kemudian penjelasan dari hasil evaluasi model atau nilai AUC dari kedua algoritma tersebut menunjukkan nilai evaluasi model dari algoritma C4.5 tergolong klasifikasi yang buruk dan algoritma Naïve Bayes tergolong algoritma yang baik. Berdasarkan nilai evaluasi model yang dihasilkan dari matrix confussion perbandingan metode klasifikasi Data mining, C4.5 dan Naïve Bayes, yang mana menunjukan Naïve Bayes lebih akurat dalam mengklasifikasikan kepuasan pelanggan dari pada metode C4.5.

Actions (login required)

View Item