STMIKDHARMAPALARIAUSTMIKDHARMAPALARIAU

Jurnal Ilmu Komputer dan BisnisJurnal Ilmu Komputer dan Bisnis

Kerjasama dengan customer merupakan kegiatan rutin yang menjadi salah satu kunci berkembangnya suatu perusahaan. PT Gemilang perusahaan yang bergerak di bidang jasa pelayanan pada sektor tekomunikasi di indonesia. Untuk dapat terus meningkatkan pelayanan dan mengembangkan kerjasama dengan customer tentunya juga harus didukung dengan cashflow yang baik. Maka dari itu tujuan penulis membuat penelitian ini adalah untuk mengetahui dan mengukur ketepatan waktu pembayaran dari customer atas penyediaan jasa layanan yang disediakan oleh PT. Gemilang dan sebagai salah satu bahan pertimbangan untuk menentukan kelayakan perpanjangan kontrak kerjasama dengan customer dimasa mendatang. Penelitian ini menggunakan data pembayaran customer dari bulan januari sd desember 2019 yang kemudian diimplementasikan menggunakan algoritma Naive Bayes. Hasil penelitian yang dilakukan membuktikan bahwa dalam penerapan algoritma naive bayes dapat digunakan dalam menilai kelayakan perpanjangan kontrak pada PT. Gemilang. Tahap pengolahan data yang dilakukan sangat berpengaruh pada nilai hasil accuracy serta evaluasi perbandingan dalam menggunakan aplikasi RapidMiner dan aplikasi Weka. Hasil dari pengolahan data menggunakan aplikasi RapidMiner adalah sebesar 90.62%, sedangkan data yang dihasilkan oleh aplikasi Weka menghasilkan accuracy sebesar 96.8553%. Berdasarkan hasil accuracy yang dihasilkan dapat diambil kesimpulan bahwa kedua aplikasi ini mampu menghasilkan probabilitas ketepatan waktu pembayaran tagihan untuk menentukan kelayakan perpanjangan kontrak kerjasama dengan customer.

Algoritma Naive Bayes dapat digunakan untuk menilai kelayakan perpanjangan kontrak pada PT Gemilang.Tahap pengolahan data mempengaruhi akurasi, dengan RapidMiner mencapai 90,62% dan Weka 96,86%.Oleh karena itu, disarankan menggunakan kedua aplikasi untuk memperoleh probabilitas ketepatan pembayaran pelanggan.

Penelitian dapat diperluas dengan mengevaluasi algoritma klasifikasi lain seperti logistic regression, decision tree, atau random forest untuk membandingkan akurasi dan interpretabilitas model dengan Naive Bayes. Selanjutnya, studi lanjutan perlu menerapkan model pada dataset yang lebih besar dan beragam, misalnya data pelanggan dari beberapa perusahaan sejenis, guna menguji generalisasi metode. Analisis tambahan juga dapat menambah variabel ekonomi atau perilaku pelanggan, seperti frekuensi transaksi dan nilai tagihan, untuk memperkaya fitur prediksi kelayakan kontrak. Penting untuk mengadopsi teknik cross‑validation atau bootstrap guna menilai kestabilan model di bawah variasi data. Penelitian seiring waktu dapat meneliti dampak kebijakan pembayaran perusahaan terhadap akurasi prediksi, sehingga model dapat disesuaikan secara dinamis. Studi eksplorasi juga dapat memasukkan proses feature selection otomatis guna mengurangi redundansi data. Terakhir, pembandingan perintah model dengan pendekatan hybrid, menggabungkan Naive Bayes dan metode ensemble, dapat menghasilkan metrik akurasi yang lebih tinggi.

  1. Jurnal Ilmu Komputer dan Bisnis | Jurnal Ilmu Komputer dan Bisnis. jurnal ilmu komputer bisnis quick... ojs.stmikdharmapalariau.ac.id/index.php/jikb/article/view/5Jurnal Ilmu Komputer dan Bisnis Jurnal Ilmu Komputer dan Bisnis jurnal ilmu komputer bisnis quick ojs stmikdharmapalariau ac index php jikb article view 5
  1. #data akurasi#data akurasi
Read online
File size346.62 KB
Pages5
Short Linkhttps://juris.id/p-1nv
Lookup LinksGoogle ScholarGoogle Scholar, Semantic ScholarSemantic Scholar, CORE.ac.ukCORE.ac.uk, WorldcatWorldcat, ZenodoZenodo, Research GateResearch Gate, Academia.eduAcademia.edu
DMCAReport

Related /

ads-block-test