Analisis Klasifikasi Kepuasan Penumpang Maskapai Penerbangan Menggunakan Algoritma Naïve Bayes

Abstract

Abstrak
 Dalam dunia transportasi khususnya penerbangan banyak sekali hal menarik yang bisa dianalisa maupun diperbarui, contohnya dalam menilai kepuasan penumpang maskapai sebagai evaluasi maupun mengetahui seberapa besar kepuasan pelanggan dalam menggunakan transportasi penerbangan tersebut. Karena alasan inilah sehingga peneliti akan melakukan penelitian mengenai hal tersebut di atas dengan menggunakan algoritma Naïve Bayes, dimana pengukuran tersebut diukur dengan 16 variabel pengukur dan 1 variabel respon. Digunakan dataset sebanyak 129.880 record untuk selanjutnya dari dataset tersebut akan dibagi menjadi data training dan data testing, dimana pembagian data tersebut akan dibuat dalam 4 kondisi yaitu 90%, 85%, 80% dan 75% untuk masing data training dan sisanya adalah data testing sehingga dapat dilihat dari keempat pembagian ini manakah yang memiliki tingkat akurasi yang paling tinggi. Dari proses analisa menggunakan algoritma Naïve Bayes yang dilakukan dengan aplikasi KNime, didapatkan bahwa pembagian data training 90% dan Data Testing 10% adalah hasil akurasi tertinggi dengan persentasi akurasi sebesar 81,466%. Dengan hasil ini maka 16 variabel pengukur yang ditetapkan peneliti dapat dijadikan sebagai sebuah acuan untuk mengukur tingkat kepuasan penumpang maskapai penerbangan.

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

“…Sedangkan KNN merupakan metode untuk melakukan klasifikasi terhadap objek berdasarkan data pembelajaran yang jaraknya paling dekat dengan objek tersebut (Cahyanti, Rahmayani, & Husniar, 2020) Penelitian sebelumnya dalam pembuatan model klasifikasi menggunakan salah satu algoritma yaitu, Naïve Bayes. Dan hasil akurasi yang didapatkan dari penelitian sebelumnya sebesar 81,466% dengan data training yang digunakan sebesar 90% dan data testing yang digunakan sebesar 10% (Wijayanto, Bernardo, & Pamungkas, 2021). Menurut penulis, hasil tingkat akurasi yang didapatkan dari penelitian sebelumnya masih dinilai belum cukup memadai, maka dari itu penulis melakukan penilitan dengan menggunakan algoritma klasifikasi yang berbeda yaitu Decision Tree, Random Foreset, Support Vector Machine (SVM) dan K-Nearest Neighbor (K-NN) dalam studi kasus klasifikasi kepuasan penumpang maskapai penerbangan.…”