PENERAPAN DATA MINING DENGAN ALGORITMA NAÃVE BAYES CLASIFIER UNTUK MENGETAHUI TINGKAT KEPUASAN PELANGGAN TERHADAP PELAYANAN SERVIS MOBIL (STUDI KASUS: KATAMSO SERVICE)
Abstract
Persaingan disuatu perusahaan membuat para pelakunya harus selalu memikirkan strategi-strategi guna menjamin kelangsungan bisnis mereka. Saat ini perusahan-perusahaan yang bergerak dibidang bisnis jasa servis, banyak sekali mengeluarkan pelayanan dengan berbagai macam cara untuk menarik minat masyarakat. Hal ini tentu akan membuat perusahan merugi jika pelayanan servis tersebut tidak dapat meningkatkan kwantitas atau kwalitas pelayanan yang lebih baik bagi pelanggan baru maupun pelanggan tetap. Yang menjadi penilaian penting adalah Kepuasan Pelanggan. Karena pelanggan merupakan pasar besar dalam meningkatkan penjualan. Data mining merupakan proses yang menggunakan teknik statistik, matematika, kecerdasan buatan, dan mechine learning untuk mengekstraksi dan mengidentifikasi informasi yang bermanfaat dan pengetahuan yang terakit dari berbagai database besar. Data mining sendiri memiliki sifat teknik, salah satunya yaitu klasifikasi. Teknik klasifikasi terdiri dari beberapa metode salah satunya adalah Algoritma Naive Bayes Clasifier. Klasifikasi Naïve Bayes merupakan bentuk klasifikasi yang melakukan teknik pengklasifikasian dengan menghitung derajat kecocokan dengan cara membandingkan nilai posterior untuk masing-masing class, dan mengambil class dengan nilai posterior yang tinggi. Algoritma naïve bayes clasifier dapat memprediksi peluang dimasa depan berdasarkan pengalaman dimasa sebelumnya. Sehingga dapat mengetahui tingkat kepuasan pelanggan pada pelayanan servis mobil.
Â
Kata Kunci : Kepuasan Pelanggan, Data Mining, Algoritma Naïve Bayes Clasifier
References
D. Hartama et al, “Analisa Tingkat Kepuasan Pelanggan Terhadap Penjualan Air Minum Isi Ulang Dengan Menggunakan Metode Rough Set (Studi Kasus : Rihata Water),†JURASIK (Jurnal Riset Sistem Informasi * Teknik Informatika), vol. 1, No.1, pp. 69-74, Juli 2016.
I K.J. Arta et al, "Data Mining Rekomendasi Calon Mahasiswa Berprestasi Di STMIK Denpasar Menggunakan Metode Technique For Others Reference By Similary To Ideal Solution," Jurnal Sains dan Teknologi, vol. 5, no. 2, Oktober 2016.
D. T. Larose, Discovering Knowledge in Data: An Introduction to Data Minin. United States of America: John Wiley & Sons, Inc, 2005.
E. Prasetyo, Data Mining- Konsep dan Aplikasi Menggunakan Matlab. Yogyakarta: C.V ANDI OFFSET (Penerbit Andi), 2012
A. A. Barata, Dasar-Dasar Pelayanan Prima. Jakarta : PT. Elex Media Komputindo, 2003
R. Yuliana, “Analisa Pengaruh Strategi Service Recoveryâ€, Jurnal STIE Semarang, vol. 4, no. 2, pp. 39-52, Juni 2012.
Dr. T. S. Kaihatu et al, Manajemen Komplain. Yogyakarta: CV. Andi Offset (Penerbit Andi), 2015
L. Sitorus, Algoritma Dan Pemograman. Yogyakarta: C.V ANDI OFFSET (Penerbit Andi), 2015.
F. L. Simon & J. Santana, Data Mining : Meramalkan Bisnis Perusahaan. Jakarta: PT. Elex Media Komputind, 2010
