LEMBAGA KITALEMBAGA KITA

International Journal of Management Science and Information TechnologyInternational Journal of Management Science and Information Technology

Perkembangan 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.

  1. 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
  2. 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
Read online
File size314.76 KB
Pages9
DMCAReport

Related /

ads-block-test