UJI EFEKTIVITAS PENERAPAN MACHINE LEARNING CLASSIFICATION UNTUK SURVEY KEPUASAN PELANGGAN MASKAPAI PENERBANGAN X
DOI:
https://doi.org/10.35261/barometer.v8i1.6566Abstrak
Transportasi dapat mempermudah masyarakat untuk berpindah dari satu tempat ke tempat lainnya secara cepat, salah satunya dengan menggunakan transportasi udara. Karena hal ini maskapai penerbangan perlu meningkatan kualitas pelayanan melalui survey yang diberikan kepada penumpang. Proses klasifikasi kepuasan pelanggan melalui survey maskapai penerbangan dapat dilakukan dengan mudah jika menggunakan metode data mining. Penelitian ini berfokus pada proses klasifikasi kepuasan pelanggan dibuat menggunakan machine learning dengan model K-nearest neighbor, decision tree, dan random forest agar dapat mempermudah maskapai dalam melakukan klasifikasi. Sedangkan performa model machine learning klasifikasi dianalisis berdasarkan hasil akurasi, presisi, recall, dan F1-Score. Berdasarkan hasil Analisis performa yang dilakukan, model machine learning decision tree dan random forest memiliki hasil performa yang sangat baik dengan nilai akurasi decision tree sebesar 92,96% pada data testing dan random forest memiliki nilai akurasi sebesar 93,22% pada data testing. Kedua model machine learning tersebut juga diuji menggunakan metode cross validation untuk mengetahui model machine learning yang lebih efektif untuk diterapkan. Berdasarkan hasil uji cross validation model decision tree memiliki akurasi sebesar 94,5% dan random forest memiliki akurasi sebesar 96%. Dengan nilai cross validation yang bagus, maka decision tree dan random forest dapat diterapkan untuk membantu maskapai penerbangan X dalam menentukan nilai kepuasan pelanggan.
Unduhan
Referensi
Widjaja, E. L., & Harianto, A. (2017). Analisa Pengaruh Kualitas Layanan Terhadap Kepuasan Penumpang Maskapai Penerbangan Batik Air. Jurnal Hospitality dan Manajemen Jasa, 5(2).
Hayadi, B., Kim, J., Hulliyah, K., & Sukmana, H. (2021). Predicting Airline Passenger Satisfaction with Classification Algorithms. International Journal of Informatics and Information Systems, 4(1), 82-94. doi:https://doi.org/10.47738/ijiis.v4i1.80.
Maryanto, B. (2017). Big Data dan Pemanfaatannya dalam Berbagai Sektor. Media Informatika, 16(2), 14-19.
Mardi, Y. (2017). Data Mining: Klasifikasi Menggunakan Algoritma C4. 5. Jurnal Edik Informatika Penelitian Bidang Komputer Sains dan Pendidikan Informatika, 2(2), 213-219.
Moro, S., Esmerado, J., Ramos, P., & Alturas, B. (2019). Evaluating a guest satisfaction model through data mining. International Journal of Contemporary Hospitality Management.
Ahmad, A. (2017). Mengenal artificial intelligence, machine learning, neural network, dan deep learning. J. Teknol. Indones, 3.
Roihan, A., Sunarya, P. A., & Rafika, A. S. (2020). Pemanfaatan Machine Learning dalam Berbagai Bidang. IJCIT (Indonesian J. Comput. Inf. Technol., 5(1), 75-82.
Thupae, R., Isong, B., Gasela, N., & Abu-Mahfouz, A. M. (2018, October). Machine learning techniques for traffic identification and classifiacation in SDWSN: A survey. In IECON 2018-44th annual conference of the IEEE Industrial Electronics Society (pp. 4645-4650). IEEE.
Das, S., & Nene, M. J. (2017, March). A survey on types of machine learning techniques in intrusion prevention systems. In 2017 International Conference on Wireless Communications, Signal Processing and Networking (WiSPNET) (pp. 2296-2299). IEEE.
Krisandi, N., & Helmi, B. P. (2013). Algoritma k-Nearest Neighbor dalam Klasifikasi Data Hasil Produksi Kelapa Sawit pada PT. Minamas Kecamatan Parindu. Bimaster: Buletin Ilmiah Matematika, Statistika dan Terapannya, 2(1).
Pulungan, W. A., Mulyani, Y., & Sulistiono, W. E. (2019). Identifikasi Kematangan Buah Kopi Menggunakan Jaringan Syaraf Tiruan Learning Vector Quantization. Barometer, 4(2), 217-219.
Hayadi, B., Kim, J., Hulliyah, K., & Sukmana, H. (2021). Predicting Airline Passenger Satisfaction with Classification Algorithms. International Journal of Informatics and Information Systems, 4(1), 82-94. doi:https://doi.org/10.47738/ijiis.v4i1.80.
https://www.kaggle.com/datasets/teejmahal20/airline-passenger-satisfaction, diakses Oktober 2021.
https://www.geeksforgeeks.org/data-preprocessing-in-data-mining/, diakses Januari 2022.
Baharuddin, M. M., Azis, H., & Hasanuddin, T. (2019). Analisis Performa Metode K-Nearest Neighbor untuk Identifikasi Jenis Kaca. ILKOM Jurnal Ilmiah, 11(3), 269-274.
Sutoyo, I. (2018). Implementasi Algoritma Decision Tree Untuk Klasifikasi Data Peserta Didik. Pilar Nusa Mandiri: Journal of Computing and Information System, 14(2), 217-224.
Primajaya, A., & Sari, B. N. (2018). Random Forest Algorithm for Prediction of Precipitation. Indonesian Journal of Artificial Intelligence and Data Mining, 1(1), 27-31.
Religia, Y., & Amali, A. (2021). Perbandingan Optimasi Feature Selection pada Naïve Bayes untuk Klasifikasi Kepuasan Airline Passenger. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 5(3), 527-533.
Naufal, M. F. (2021). Analisis Perbandingan Algoritma Svm, Knn, Dan Cnn untuk Klasifikasi Citra Cuaca. Jurnal Teknologi Informasi dan Ilmu Komputer, 8(2), 311-317.
