JOMLAI: Journal of Machine Learning and Artificial Intelligence Vol.
No.
Desember 2022, pp.
ISSN: 2828-9102 (Prin.
| 2828-9099 (Onlin.
DOI: 10.
55123/jomlai.
Penerapan Data Mining Klasifikasi Terhadap Kepuasan Pelanggan Toko Bombay Textile Application of Data Mining Classification to Store Customer Satisfaction Bombay Textiles Siti Sundari1.
Agus Perdana Windarto2.
Yuegilion Pranayama Purba3 STIKOM Tunas Bangsa.
Pematangsiantar.
Indonesia
Article Info
ABSTRAK
Genesis Artikel:
Penelitian ini bertujuan untuk mendapatkan model aturan dalam mengklasifikasi tingkat kepuasan pelanggan Toko Bombay Textile.
Dengan mengetahui tingkat kepuasan pelanggan, pemilik toko dapat memperbaiki pelayanan apabila kurang baik dan lebih meningkatkan pelayanan apabila tingkat kepuasan sudah baik.
Penelitian ini melakukan pengukuran tingkat kepuasan pelanggan di Toko Bombay Textile.
Metode yang digunakan dalam penelitian ini adalah Algoritma C4.
5, dimana sumber data yang digunakan menggunakan teknik angket / kuesioner yang diberikan kepada pelanggan Toko Bombay Textile.
Adapun variabel yang digunakan diantaranya Pelayanan.
Kualitas Barang.
Harga.
Fasilitas, dan Promosi.
Hasil penelitian diperoleh 11 rules untuk klasifikasi tingkat kepuasan pelanggan dengan 5 rules berstatus puas dan 6 rules berstatus tidak puas.
Algoritma C4.
5 dapat digunakan pada kasus tingkat kepuasan pelanggan dengan tingkat akurasi 96,67%.
Dari hasil analisis diharapkan dapat diterapkan agar dapat digunakan sebagai salah satu keputusan untuk meningkatkan pelayanan kepada pelanggan.
Diterima, 29 November 2022 Direvisi, 28 Desember 2022 Disetujui, 25 Januari 2023 Kata Kunci:
Algoritma C4.
Data Mining Kepuasan Klasifikasi Textile ABSTRACT Keywords:
C4.
5 Algorithm Data Mining Satisfaction Classification Textiles This study aims to obtain a model of rules in classifying the level of customer satisfaction at Bombay Textile Stores.
By knowing the level of customer satisfaction, shop owners can improve service if it is not good and further improve service if the level of satisfaction is good.
This study measures the level of customer satisfaction at the Bombay Textile Store.
The method used in this study is the C4.
5 Algorithm, where the data source used is a questionnaire/questionnaire technique given to Bombay Textile Store customers.
The variables used include Service.
Quality of Goods.
Price.
Facilities, and Promotion.
The results obtained 11 rules for the classification of customer satisfaction levels with 5 rules satisfied status and 6 rules dissatisfied status.
The C4.
5 algorithm can be used in the case of customer satisfaction levels with an accuracy rate of 96.
From the results of the analysis, it is hoped that it can be applied so that it can be used as a decision to improve service to customers.
This is an open access article under the CC BY-SAlicense.
Penulis Korespondensi:
Siti Sundari.
Program Studi Sistem Informasi.
STIKOM Tunas Bangsa.
Pematangsiantar.
Indonesia Email: sitisundaristb@gmail.
PENDAHULUAN
Pelanggan merupakan individu yang secara kontinuitas sering datang ke tempat yang sama untuk memenuhi keinginan dan harapannya dalam mendapatkan kepuasan dari sebuah produk maupun jasa .
Kepuasan pelanggan merupakan salah satu hal sangat penting dalam menilai tingkat pelayanan yang diberikan pihak perusahaan .
Untuk menimbulkan loyalitas pelanggan dibutuhkan rasa puas pelanggan terlebih dahulu terhadap suatu produk tertentu .
Toko Bombay Textile yang berada di Jalan Sutomo No.
341-343 di Kota Pematangsiantar, merupakan salah satu toko yang menjual berbagai jenis textile.
Toko ini memiliki banyak pelanggan sehingga karyawan tidak mengetahui apakah pelanggan merasa puas dan tidak puas saat Journal homepage: https://journal.
id/index.
php/jomlai/ ISSN : 2828-9099 berbelanja di Toko Bombay Textile Pematangsiantar.
Pelanggan merupakan individu yang secara kontinuitas sering datang ke tempat yang sama untuk memenuhi keinginan dan harapannya dalam mendapatkan kepuasan dari sebuah produk maupun jasa .
Faktor utama kepuasan pelanggan salah satunya yaitu kualitas pelayanan .
Kualitas pelayanan merupakan faktor utama yang mempengaruhi loyalitas pelanggan dikarenakan pelanggan yang terpuaskan nilai pribadinya dan mengalami mood yang positif terhadap pelayanan akan memiliki loyalist yang tinggi terhadap perusahaan tersebut .
Oleh karena itu, untuk memudahkan pemilik Toko Bombay Textile Pematangsiantar dalam mengetahui tingkat kepuasan pelanggan diperlukan suatu konsep yang berfokus pada tingkat kepuasan pelanggan.
Penelitian ini bertujuan menerapkan model data mining dengan menggunakan Algoritma C4.
5 untuk mengetahui tingkat kepuasan pelanggan di Toko Bombay Textile Pematangsiantar.
Algoritma C4.
5 merupakan algoritma yang digunakan untuk membuat pohon keputusan.
Pohon keputusan dapat diartikan suatu cara untuk memprediksi atau mengklarifikasi yang sangat kuat .
Banyak cabang ilmu komputer yang dapat menyelesaikan masalah secara kompleks, diantaranya adalah sistem pendukung keputusan .
Ae.
, sistem pakar .
, jaringan saraf tiruan .
Ae.
, hingga data mining .
Ae.
Berdasarkan permasalahan yang di hadapi maka pada penelitian ini akan menggunakan teknik data mining dengan algoritma C4.
Berdasarkan penelitian sebelumnya yang menjadi rujukan penelitian ini, seperti penelitian tentang kepuasan konsumen terhadap pelayanan bengkel menggunakan Algoritma C4.
Hasil penelitian ini dapat diuji dengan software Rapid Miner dengan menggunakan apply model % Performance.
Dari hasil perhitungan dengan Algoritma C4.
5 dihasilkan dua belas .
aturan rule keputusan dari target yang ingin dicapai yaitu enam .
keputusan puas dan enam .
keputusan tidak puas, dan dari hasil pengujian dengan software Rapid Miner menghasilkan tingkat akurasi 94% .
Pada penelitian selanjutnya penelitian tentang kepuasan pengunjung Taman Margasatwa dengan menggunakan variabel paling diminati, fasilitas semua, tempat parkir keamanan, dan kebersihan.
Hasil penelitian ini dibuktikan bahwa 83% puas terhadap fasilitas di Taman Margasatwa .
Dari beberapa penelitian sebelumnya terdapat perbedaan dengan penelitian ini yaitu dengan objek yang berbeda dan lokasi penelitiannya sehingga menghasilkan hasil akurasi yang tidak sama.
Persamaan dalam penelitian ini yaitu tentang kepuasan dengan menggunakan Algoritma C4.
5 klasifikasi dimana Algoritma C4.
5 ini lebih akurat dibandingkan metode klasifikasi lainnya.
Dengan demikian Algoritma C4.
5 dapat digunakan untuk membantu mengetahui tingkat kepuasan pelanggan Toko Bombay Textile Pematangsiantar.
Berdasarkan uraian yang telah dijelaskan di atas, maka dilakukan sebuah penelitian yang diharapkan dengan adanya penerapan data mining algoritma C4.
5 ini dapat membantu Toko Bombay Textile Pematangsiantar dalam menganalisa tingkat kepuasan pelanggan sehingga pihak Toko Bombay Textile dapat meningkatkan tingkat pelayanan terhadap pelanggan secara optimal agar mampu bersaing dengan toko-toko lain di daerah Pematangsiantar.
METODE PENELITIAN
Rancangan Penelitian Adapun alur rancangan dari penelitian ini dapat dilihat pada gambar 1 berikut.
Mulai Analisa Masalah Mempelajari Literatur Mengumpulkan Data Menetapkan Metode Mengolah Data Menguji Data Pohon Keputusan Selesai Gambar 1.
Rancangan Penelitian Proses alur Diagram Rancangan Penelitian pada Gambar 1.
diatas adalah sebagai berikut:
Analisa Masalah Proses menganalisa suatu masalah yang berkaitan dengan tingkat kepuasan pelanggan JOMLAI: Journal of Machine Learning and Artificial Intelligence Vol.
No.
Desember 2022, pp.
JOMLAI: Journal of Machine Learning and Artificial Intelligence Mempelajari Literatur Penelitian ini didasari rujukan yang digunakan untuk mendapatkan informasi dan teori yang akan digunakan dalam Mengumpulkan Data Dalam penelitian ini data diperoleh dari kuesioner yang dibagikan responden kepada pelanggan yang datang di Toko Bombay Textile Pematangsiantar Menetapkan Metode Pada penelitian ini penulis menggunakan teknik data mining klasifikasi dengan Algoritma C4.
5 untuk mencari solusi permasalahan penelitian Mengolah Data Melakukan pengolahan data dengan menggunakan Algoritma C4.
Dalam proses pengolahan data digunakan Microsoft Excel 2010 untuk mempermudah proses pengolahan data menggunakan Algoritma C4.
Menguji Data Pengujian data yang dilakukan dengan menggunakan aplikasi software Rapid Miner Studio versi 5.
3 sehingga diperoleh kategori keputusan yang sesuai dengan Algoritma C4.
Pohon Keputusan Rule dan pohon Keputusan adalah hasil dari informasi pengujian data kuesioner Rapid Miner menggunakan Algoritma C4.
Kesimpulan Kesimpulan yang diperoleh dari klasifikasi tingkat kepuasan pelanggan terhadap Toko Bombay Textile Pematangsiantar.
HASIL DAN ANALISIS
Pengolahan Data Perhitungan Algoritma C4.
5 untuk memperoleh model aturan pohon keputusan dapat diuraikan sebagai berikut :
Langkah 1 : Menghitung jumlah kasus, jumlah kasus untuk keputusan Puas, dan jumlah kasus untuk Tidak Puas.
Langkah 2 : Menghitung Entropy dari semua kasus yang dibagi berdasarkan kelas atribut Selanjutnya dilakukan penghitungan mencari Gain untuk setiap atribut.
Berikut ini adalah perhitungan nilai entropy dan gain.
Menghitung entropy total :
Entropy [Tota.
Entropy [Tota.
0,942683189 Berikut ini hasil perhitungan nilai entropy dan gain yang diuraikan pada Tabel 1.
Tabel 1.
Hasil Perhitungan Node 1
NODE 1
TOTAL
Pelayanan Jumlah (S) Puas Tidak Puas Entropy 0,942683189 0,896038233 0,491237342 0,165427034 0,929363626 0,66319684 0,819600435 0,503258335 0,884115122 0,605186577 0,448864489 0,639457132 Information Gain
0,518404499
Kualitas Barang 0,41301557 Harga
0,421591235
Fasilitas 0,399113311 Promosi
0,562447414
Application of Data Mining Classification to Store Customer Satisfaction Bombay Textiles (Siti Sundar.
ISSN : 2828-9099 Langkah 3 : Dari hasil perhitungan pada Tabel 1 , diperoleh nilai atribut tertinggi adalah Promosi dengan gain sebesar 0,562447414.
Maka atribut Promosi dipilih sebagai node akar.
Nilai kelas atribut Sangat setuju mengklasifikasikan kasus menjadi satu keputusan yaitu Puas.
Untuk nilai kelas atribut Sangat Tidak Setuju mengklasifikasikan kasus menjadi satu keputusan yaitu Tidak Puas.
Untuk kelas atribut Setuju belum diperoleh hasil antara keputusan Puas dan Tidak Puas, maka perlu dilakukan perhitungan lebih lanjut.
Berikut ini hasil perhitungan dari kelas atribut Promosi = Tidak Setuju yang ditunjukkan pada Tabel 2, berikut ini:
Tabel 2.
Hasil Perhitungan Node 1.
NODE 1.
Promosi AeSetuju
Pelayanan Jumlah (S) Puas Tidak Puas Entropy 0,448864489 0,503258335 0,391243564 0,918295834 Information Gain
0,182323082
Kualitas Barang 0,261364489 Harga
0,448864489
Fasilitas 0,117741322 Dari hasil perhitungan pada Tabel 2 diatas, atribut yang menjadi node cabang dari Promosi-Setuju adalah harga dengan nilai gain tertinggi sebesar 0,448864489.
Nilai kelas atribut Sangat Tidak Setuju adalah kosong, sehingga tidak perlu dilakukan perhitungan pada kelas atribut tersebut.
Nilai kelas atribut Sangat Setuju dan Setuju telah mengklasifikasikan satu keputusan Puas.
Untuk nilai kelas atribut Tidak Setuju mengklasifikasikan kasus menjadi satu keputusan yaitu Tidak Puas.
Kemudian hasil perhitungan untuk node 1.
Promosi Ae Tidak Setuju ditunjukkan pada Tabel 3 berikut ini:
Tabel 3.
Hasil Perhitungan Node 1.
NODE 1.
Promosi- Tidak Setuju Pelayanan Jumlah (S) Puas Tidak Puas Entropy 0,639457132 0,89049164 0,591672779 0,650022422 0,918295834 Information Gain
0,326581691
Kualitas Barang 0,527519039 Harga
0,42863905
Fasilitas 0,192718619 Dari hasil perhitungan pada Tabel 3 diatas, atribut yang menjadi node cabang dari atribut Promosi = Tidak Setuju adalah Kualitas Barang dengan nilai gain tertinggi yaitu sebesar 0,527519039 dengan kelas atribut Setuju.
Tidak Setuju dan Sangat Tidak Setuju telah mengklasifikasikan satu keputusan Tidak Puas.
Untuk nilai kelas atribut Sangat Setuju belum diperoleh satu keputusan sehingga masih perlu dilakukan perhitungan lebih lanjut.
Berikut ini hasil perhitungan Promosi = Tidak Setuju dan Kualitas Barang = Sangat Setuju yang ditunjukkan pada Tabel 4 berikut ini :
Tabel 4.
Hasil Perhitungan Node 1.
NODE 1.
Promosi-Tidak Setuju Kualitas Barang -Sangat Setuju Jumlah (S) Puas Tidak Puas JOMLAI: Journal of Machine Learning and Artificial Intelligence Vol.
No.
Desember 2022, pp.
Entropy 0,591672779 Information Gain JOMLAI: Journal of Machine Learning and Artificial Intelligence NODE 1.
Pelayanan Jumlah (S) Puas Tidak Puas 0,591672779 Entropy Harga
Information Gain
0,591672779
0,591672779
Fasilitas Dari hasil perhitungan Tabel 4 diatas, atribut yang menjadi node cabang dari Promosi = Tidak Setuju dan Kualitas Barang = Sangat Setuju adalah Pelayanan dengan nilai gain tertinggi sebesar 0,591672779.
Nilai kelas atribut Sangat Setuju dan Setuju telah mengklasifikasikan satu keputusan Puas.
Kelas atribut Tidak Setuju telah mengklasifikasikan satu keputusan Tidak Puas.
Untuk nilai kelas atribut Tidak Setuju dan Sangat Tidak Setuju adalah kosong sehingga tidak dilakukan perhitungan lebih Dengan demikian Node 1.
1, adalah Node cabang terakhir yang terbentuk dari perhitungan C4.
Hasil Percobaan Rapid Miner Pada tahap akhir penerapan Data mining dengan Algoritma C4.
5 dilakukan penyesuaian hasil perhitungan manual melalui pengujian menggunakan software Rapid Miner Studio Versi 5.
Gambar 2.
Konektivitas antara Data dan Model Pohon Keputusan Input Operator Split Validation Pada proses tahap ini yaitu membuat aturan model pohon keputusan didalam operator split validation dengan cara double klik pada operator split validation, kemudian akan tampil halaman operator validation yang terbagi atas area training dan testing.
Gambar 3.
Nilai Accuracy Performance Pada gambar 3 .
dapat dilihat bahwa Accuracy sebesar 96,67%, artinya rule yang dihasilkan tingkat kebenaran mendekati 100%.
Dimana untuk Class Precision pada prediksi label Puas 94,74% dan prediksi label Tidak Puas 100%.
KESIMPULAN
Berdasarkan hasil penelitian, dapat disimpulkan bahwa algoritma C4.
5 dapat diterapkan dalam menentukan kepuasan Pelanggan Toko Bombay Textile.
Berdasarkan 5 .
atribut antara lain : Pelayanan.
Kualitas Barang.
Harga.
Fasilitas, dan Promosi menjadi atribut yang berpengaruh terhadap kepuasan pelanggan Toko Bombay Textile.
Hasil penerapan Algoritma C4.
5 dapat diuji dengan software Rapid Miner dan diperoleh yang sama dengan perhitungan manual dengan pemodelan Algoritma C4.
5 menghasilkan akurasi sebesar 96,67%.
REFERENSI