LEMBAGA KITALEMBAGA KITA
International Journal of Management Science and Information TechnologyInternational Journal of Management Science and Information TechnologyPerkembangan teknologi informasi dan data mining dalam beberapa tahun terakhir mengubah cara bisnis ritel, termasuk bisnis mode kecil dan menengah, mengumpulkan, menganalisis, dan memanfaatkan data pelanggan untuk meningkatkan layanan dan strategi pemasaran. Studi ini bertujuan menganalisis faktor yang mempengaruhi tingkat kepuasan pelanggan di Amel Fashion Prapat Janji berdasarkan atribut kualitas produk, harga, kenyamanan penggunaan, dan layanan. Metode penelitian yang dipakai adalah pendekatan kualitatif, yang akhirnya mengembangkan dan menerapkan algoritma K‑Nearest Neighbor (K‑NN) untuk mengklasifikasikan tingkat kepuasan pelanggan secara objektif, terukur, dan berbasis data. Hasil sistem berbasiskan web menunjukkan bahwa penerapan KNN dapat mengubah proses penilaian manual menjadi lebih terstruktur, sistematis, dan mudah diakses. Nilai jarak yang dihasilkan, misalnya 2,354 dengan kategori Satisfied dan 2,325 dengan kategori Dissatisfied, menunjukkan bahwa kedekatan nilai atribut secara signifikan memengaruhi hasil klasifikasi.
Penerapan algoritma K‑Nearest Neighbor (KNN) pada sistem klasifikasi kepuasan pelanggan di A2 Collection Sei Silau Timur dapat memberikan solusi efektif dalam mengelola dan menganalisis data evaluasi pelanggan.Sistem berbasis web ini berhasil mengubah proses penilaian manual menjadi lebih terstruktur, sistematis, dan mudah diakses.Penggunaan metode jarak Euclidean dan voting mayoritas dalam algoritma KNN terbukti mampu mengklasifikasikan tingkat kepuasan pelanggan dengan baik, meskipun perbedaan nilai jarak relatif kecil.
Sebuah penelitian lanjutan dapat memanfaatkan teknik cross‑validation untuk menentukan nilai K yang optimal guna meningkatkan akurasi klasifikasi. Penelitian berikutnya dapat mengintegrasikan data tekstual ulasan pelanggan menggunakan metode pengolahan bahasa alami, sehingga model KNN dapat menilai kepuasan berdasarkan opini tertulis secara real‑time. Terakhir, studi komparatif antara algoritma KNN dan metode machine learning lainnya, seperti random forest atau support vector machine, dapat dilakukan untuk mengevaluasi kinerja klasifikasi dan memilih model yang paling sesuai dengan karakteristik data ritel fashion lokal.
- Klasifikasi Tingkat Kepuasan Pengguna dengan Menggunakan Metode K-Nearest Neighbors (KNN) | Jurnal Sistim... doi.org/10.37034/jsisfotek.v4i1.114Klasifikasi Tingkat Kepuasan Pengguna dengan Menggunakan Metode K Nearest Neighbors KNN Jurnal Sistim doi 10 37034 jsisfotek v4i1 114
- ANALISIS KEPUASAN PELANGGAN MENGGUNAKAN ALGORITMA C4.5 PADA APLIKASI BETUKANG.ID | JATI (Jurnal Mahasiswa... ejournal.itn.ac.id/index.php/jati/article/view/11937ANALISIS KEPUASAN PELANGGAN MENGGUNAKAN ALGORITMA C4 5 PADA APLIKASI BETUKANG ID JATI Jurnal Mahasiswa ejournal itn ac index php jati article view 11937
| File size | 314.76 KB |
| Pages | 9 |
| DMCA | Report |
Related /
FKPTFKPT Precision untuk kelas 0 dan 1 masing-masing sebesar 0,99979 dan 0,99884, sedangkan recall mencapai 0,99928 untuk kelas 0 dan 0,99966 untuk kelas 1. NilaiPrecision untuk kelas 0 dan 1 masing-masing sebesar 0,99979 dan 0,99884, sedangkan recall mencapai 0,99928 untuk kelas 0 dan 0,99966 untuk kelas 1. Nilai
NURISNURIS Pada gambar merupakan sentimen publik berdasarkan hasil pengolahan Orange Data Mining. Pada gambar terlihat bahwa sentimen netral dengan batasan -20 SentimentPada gambar merupakan sentimen publik berdasarkan hasil pengolahan Orange Data Mining. Pada gambar terlihat bahwa sentimen netral dengan batasan -20 Sentiment
STMIKJAYAKARTASTMIKJAYAKARTA Dari beberapa hasil pengolahan data dari data hasil imputasi menunjukkan bahwa nilai akurasi tertinggi berada pada data hasil penanganan Missing ValueDari beberapa hasil pengolahan data dari data hasil imputasi menunjukkan bahwa nilai akurasi tertinggi berada pada data hasil penanganan Missing Value
UBMUBM Klasifikasi dilakukan untuk memprediksi status pelanggan ke dalam salah satu dari dua kategori target: loyal atau churn. Hasil pengujian menunjukkan bahwaKlasifikasi dilakukan untuk memprediksi status pelanggan ke dalam salah satu dari dua kategori target: loyal atau churn. Hasil pengujian menunjukkan bahwa
NURUL FIKRINURUL FIKRI Oleh karena itu, penelitian ini bertujuan untuk menganalisis dan membandingkan hasil analisis sentimen publik terhadap tagar #KaburAjaDulu dengan konteksOleh karena itu, penelitian ini bertujuan untuk menganalisis dan membandingkan hasil analisis sentimen publik terhadap tagar #KaburAjaDulu dengan konteks
STIEBALIKPAPANSTIEBALIKPAPAN Analisis transaksi ini membantu pemilik toko dalam membuat strategi bisnis, seperti mengetahui barang yang sering dibeli bersamaan. Data mining menggabungkanAnalisis transaksi ini membantu pemilik toko dalam membuat strategi bisnis, seperti mengetahui barang yang sering dibeli bersamaan. Data mining menggabungkan
UBMUBM Persaingan bisnis semakin ketat dengan munculnya banyak startup. Analisis asosiasi digunakan dalam data mining untuk menemukan aturan penggabungan item.Persaingan bisnis semakin ketat dengan munculnya banyak startup. Analisis asosiasi digunakan dalam data mining untuk menemukan aturan penggabungan item.
UMUSLIMUMUSLIM Berikutnya adalah Cluster 1 mencakup 12 item produk dengan kategori paling laris. Sedangkan Cluster 2 terdiri dari 5 item produk yang tidak laris, PenjualanBerikutnya adalah Cluster 1 mencakup 12 item produk dengan kategori paling laris. Sedangkan Cluster 2 terdiri dari 5 item produk yang tidak laris, Penjualan
Useful /
LEMBAGA KITALEMBAGA KITA Selain R(I), disarankan untuk menggunakan metrik lainnya seperti Silhouette Score, Adjusted Rand Index (ARI), Davies-Bouldin Index, atau Normalized MutualSelain R(I), disarankan untuk menggunakan metrik lainnya seperti Silhouette Score, Adjusted Rand Index (ARI), Davies-Bouldin Index, atau Normalized Mutual
LEMBAGA KITALEMBAGA KITA Namun, tantangan implementasi - termasuk kekhawatiran privasi data, risiko bias algoritma, dan kerentanan greenwashing - memerlukan kerangka kerja tataNamun, tantangan implementasi - termasuk kekhawatiran privasi data, risiko bias algoritma, dan kerentanan greenwashing - memerlukan kerangka kerja tata
LEMBAGA KITALEMBAGA KITA Hasil menunjukkan bahwa pengalaman pelanggan memiliki efek positif signifikan terhadap keterlibatan pelanggan dan keputusan pembelian. Keterlibatan pelangganHasil menunjukkan bahwa pengalaman pelanggan memiliki efek positif signifikan terhadap keterlibatan pelanggan dan keputusan pembelian. Keterlibatan pelanggan
STMIKJAYAKARTASTMIKJAYAKARTA Aplikasi ini dirancang untuk memantau jadwal kegiatan, mengotomatisasi proses pendaftaran, dan memudahkan pengelolaan data terkait kegiatan yang ada diAplikasi ini dirancang untuk memantau jadwal kegiatan, mengotomatisasi proses pendaftaran, dan memudahkan pengelolaan data terkait kegiatan yang ada di