STMIKBINSASTMIKBINSA

Jurnal Sistem Informasi dan Sistem KomputerJurnal Sistem Informasi dan Sistem Komputer

Peningkatan belanja daring mendorong e-commerce untuk memahami kepuasan pelanggan melalui analisis ulasan otomatis. Studi ini mengevaluasi dan membandingkan kemampuan algoritma Naive Bayes dan Decision Tree dalam mengklasifikasikan tingkat kepuasan berdasarkan 5.000 ulasan dari platform Olist. Ulasan dikategorikan ke dalam tiga kelas: Tidak Puas, Netral, dan Puas. Pra-pemrosesan meliputi pembersihan data, ekstraksi fitur dengan TF-IDF, dan pembagian data 80% latih dan 20% uji. Evaluasi menggunakan metrik accuracy, precision, recall, F1-score, dan AUC. Naive Bayes menunjukkan akurasi lebih tinggi (80,70%) dibanding Decision Tree (73,90%) serta performa klasifikasi yang lebih stabil.

Penelitian ini berhasil membandingkan performa antara algoritma Naive Bayes dan Decision Tree dalam mengklasifikasikan tingkat kepuasan pelanggan berdasarkan data ulasan dari platform e-commerce Olist.Hasil evaluasi menunjukkan bahwa algoritma Naive Bayes memperoleh tingkat akurasi yang lebih baik (80.Naive Bayes juga memperlihatkan kestabilan performa yang lebih baik dan seimbang dalam metrik precision, recall, dan F1-score, khususnya dalam mengklasifikasikan kelas Netral dan Puas.Namun, kedua algoritma sama-sama menunjukkan kelemahan dalam mengenali kelas Tidak Puas, yang disebabkan oleh distribusi data yang tidak seimbang.Dengan demikian, algoritma Naive Bayes lebih direkomendasikan untuk digunakan dalam tugas klasifikasi kepuasan pelanggan berbasis teks.

Untuk penelitian selanjutnya, disarankan untuk menerapkan teknik penyeimbangan data atau eksplorasi algoritma lain yang lebih adaptif terhadap kelas minoritas, guna meningkatkan akurasi klasifikasi secara keseluruhan. Selain itu, penelitian lanjutan dapat fokus pada pengembangan model yang lebih canggih dengan mempertimbangkan aspek-aspek seperti pengolahan bahasa alami dan analisis sentimen untuk meningkatkan akurasi klasifikasi kepuasan pelanggan. Terakhir, studi komparatif yang lebih luas dapat dilakukan untuk mengeksplorasi performa algoritma-algoritma lain dalam tugas klasifikasi kepuasan pelanggan berbasis teks.

  1. Analisis Kepuasan Pelanggan Ompu Gende Coffee Medan | Jurnal Diversita. analisis kepuasan pelanggan ompu... ojs.uma.ac.id/index.php/diversita/article/view/5190Analisis Kepuasan Pelanggan Ompu Gende Coffee Medan Jurnal Diversita analisis kepuasan pelanggan ompu ojs uma ac index php diversita article view 5190
Read online
File size314.36 KB
Pages9
DMCAReport

Related /

ads-block-test