UNUBLITARUNUBLITAR

Journal of Science NusantaraJournal of Science Nusantara

Perkembangan era digital menempatkan Internet Service Provider (ISP) sebagai komponen strategis dalam mendukung aktivitas bisnis, pendidikan, dan kehidupan masyarakat. Kondisi ini menyebabkan industri jasa internet berada dalam tingkat persaingan yang tinggi, sehingga kualitas layanan dan kepuasan pelanggan menjadi aspek utama dalam menjaga keberlanjutan serta meningkatkan daya saing perusahaan. Penelitian ini bertujuan untuk mengklasifikasikan tingkat kepuasan pelanggan pada salah satu penyedia jasa internet menggunakan metode data mining berbasis algoritma C4.5, sekaligus mengidentifikasi atribut yang paling berpengaruh terhadap kepuasan pelanggan. Enam atribut yang dianalisis meliputi kecepatan internet, stabilitas koneksi, respons pelayanan, harga, variasi paket, dan kemudahan pembayaran. Proses analisis dilakukan menggunakan perangkat lunak WEKA dengan pembagian data sebesar 70% sebagai data latih (105 data) dan 30% sebagai data uji (45 data). Hasil penelitian menunjukkan bahwa atribut variasi paket dan stabilitas koneksi merupakan faktor paling dominan dalam menentukan kepuasan pelanggan. Model klasifikasi yang dihasilkan mencapai tingkat akurasi sebesar 88,89%, yang mengindikasikan kinerja model sangat baik.

5 berhasil dibangun dengan tingkat akurasi tinggi, yaitu 88,89%, serta mampu membedakan secara efektif pelanggan yang puas, netral, dan tidak puas.Atribut yang paling berpengaruh terhadap kepuasan pelanggan adalah proses pembayaran, diikuti oleh variasi paket, stabilitas koneksi, dan kecepatan internet, yang tercermin dari posisinya pada level awal pohon keputusan.Model ini tidak hanya akurat tetapi juga mudah diinterpretasikan, sehingga mendukung evaluasi kepuasan pelanggan dan pengambilan keputusan berbasis data untuk peningkatan kualitas layanan.

Pertama, perlu dikaji bagaimana faktor-faktor non-teknis seperti pemasaran digital dan pengalaman pengguna aplikasi mobile berdampak terhadap kepuasan pelanggan ISP, mengingat bahwa aspek tersebut belum diukur dalam penelitian ini namun berpotensi besar memengaruhi persepsi layanan. Kedua, layak diteliti penerapan model klasifikasi serupa dengan algoritma lain seperti Random Forest atau Naive Bayes untuk membandingkan akurasi dan robustness model dalam konteks ISP yang berbeda, sehingga dapat ditentukan pendekatan terbaik secara umum. Ketiga, perlu dikembangkan sistem prediktif berbasis real-time monitoring yang mengintegrasikan data penggunaan internet harian dengan indeks kepuasan, agar perusahaan dapat mendeteksi penurunan kepuasan sebelum pelanggan memutuskan berpindah layanan, sehingga tindakan preventif bisa dilakukan lebih dini. Ketiga arah penelitian ini dapat memperdalam pemahaman tentang dinamika kepuasan pelanggan secara holistik dan responsif. Selain itu, pendekatan gabungan antara data teknis dan perilaku pelanggan dapat menghasilkan model yang lebih komprehensif. Penelitian lanjutan juga sebaiknya mencakup area geografis yang lebih luas untuk melihat variasi regional dalam preferensi layanan. Sistem alert otomatis berbasis model prediktif bisa menjadi solusi praktis bagi manajemen layanan pelanggan. Dengan demikian, perusahaan tidak hanya bereaksi terhadap keluhan, tetapi proaktif dalam menjaga loyalitas. Pengembangan model hybrid yang menggabungkan decision tree dengan metode clustering juga layak dieksplorasi untuk segmentasi pelanggan yang lebih akurat. Semua ide ini bertujuan untuk memperkuat dasar pengambilan keputusan strategis berbasis data dalam industri layanan internet.

  1. Prediksi Customer Retention Perusahaan Asuransi Menggunakan Machine Learning | Jurnal Sisfokom (Sistem... jurnal.atmaluhur.ac.id/index.php/sisfokom/article/view/1507Prediksi Customer Retention Perusahaan Asuransi Menggunakan Machine Learning Jurnal Sisfokom Sistem jurnal atmaluhur ac index php sisfokom article view 1507
  2. Penerapan Algoritma C4.5 Untuk Klasifikasi Kepuasan Pelanggan Pada Jasa Layanan Pengiriman | JoMMiT :... ojs2.polimedia.ac.id/index.php/jommit/article/view/524Penerapan Algoritma C4 5 Untuk Klasifikasi Kepuasan Pelanggan Pada Jasa Layanan Pengiriman JoMMiT ojs2 polimedia ac index php jommit article view 524
  3. Klasifikasi Penderita Diabetes menggunakan Algoritma Machine Learning dan Z-Score | Jurnal Teknologi... journal.nurulfikri.ac.id/index.php/JTT/article/view/564Klasifikasi Penderita Diabetes menggunakan Algoritma Machine Learning dan Z Score Jurnal Teknologi journal nurulfikri ac index php JTT article view 564
Read online
File size412.4 KB
Pages10
DMCAReport

Related /

ads-block-test