A Komparasi Algoritma Decision Tree, Random Forest, SVM Dan K-Nn Dalam Klasifikasi Kepuasan Penumpang Maskapai Penerbangan

Abstract

Pada era globalisasi ini telah mengubah berbagai paradigma dalam sektor bisnis yang berdampak pada meningkatnya persaingan antar maskapai penerbangan. Seiring dengan minat calon konsumen yang terus tumbuh, berbagai cara telah dilakukan oleh setiap maskapai penerbangan dalam meningkatkan tipe atau standar kualitas pelayanan. Dalam mengevaluasi kualitas layanan yang diberikan oleh maskapai penerbangan dari perspektif bisnis, aspek layanan ini harus dievaluasi berdasarkan indikator kepuasan konsumen. Teknik data mining adalah salah satu metode yang dapat digunakan dalam menentukan tingkat kepuasan konsumen. Evaluasi ini dapat dilakukan dengan menggunakan model klasifikasi. Algortima klasifikasi yang digunakan dalam penelitian ini antara lain: Decision Tree, Random Foreset, Support Vector Machine (SVM) dan K-Nearest Neighbor (K-NN). Adapaun tahapan dalam penelitian ini melakukan analisis data, data preprocessing, pembuatan model, melakukan uji model dan mengevaluasi hasil dari model yang dibuat. Dari hasil penelitian yang dilakukan dapat diketahui bahwa Random Forest merupakan algortima klasifikasi yang paling baik dalam studi kasus ini, dengan nilai tingkat akurasi yaitu 96%. Adapun untuk Decision Tree, Support Vector Machine (SVM) dan K-Nearest Neighbor masing-masing memiliki tingkat akurasi 94%, 95% dan 93%.

Klasifikasi Tingkat Kepuasan di Maskapai Penerbangan: Studi Komparasi Algoritma K-NN dan Adaboost

“…Algoritma K-NN telah terbukti memberikan akurasi tinggi dalam beberapa penelitian sebelumnya. Misalnya, penelitian "Komparasi Algoritma Decision Tree, Random Forest, SVM, dan K-NN dalam Klasifikasi Kepuasan Penumpang Maskapai Penerbangan" menunjukkan bahwa algoritma K-NN mencapai akurasi sebesar 93% (Setiono, 2022). Penelitian lainnya menunjukkan bahwa algoritma K-NN dengan parameter K = 7 dan penggunaan jarak Euclidean yang dinormalisasi menghasilkan akurasi sebesar 94% (Aditiya & Latifa, 2023).…”