Penerapan Algoritma C4.5 Untuk Klasifikasi Kepuasan Pelanggan Pada Jasa Layanan Pengiriman
Penerapan Algoritma C4.5 Untuk Klasifikasi Kepuasan Pelanggan Pada Jasa Layanan Pengiriman
c
Universitas Nusa Mandiri, Jl. Kramat Raya No.18, Jakarta Pusat, DKI Jakarta
Sejarah Artikel:
Diterima Redaksi: 24 Juni 2022
Pelayanan yang berkualitas akan memberikan kepuasan dan meningkatkan
Revisi Akhir: 13 Juli 2022 loyalitas bagi para pelanggan, bagi perusahaan kualitas layanan menjadi
Diterbitkan Online: 15 Juli 2022 salah satu indikator untuk dapat bersaing dan mempertahankan eksistensi
[Diisi oleh penerbit] perusahan khususnya pada jasa layanan pengiriman barang yang semakin
berkembang. Klasifikasi kepuasan pelanggan atas pelayanan yang diberikan
KATA KUNCI oleh jasa layanan pengiriman menggunakan algoritma C4.5 dengan konsep
C4.5, Data Mining, Decision Tree, dasar dari pohon keputusan yaitu mengubah data menjadi sebuah model
Kepuasan Pelanggan, Klasifikasi pohon keputusan, menjadi rule dan menyederhanakan rule. Penelitian ini
bertujuan untuk membentuk model klasifikasi pohon keputusan dengan
KORESPONDENSI menganalisa kepuasan pelanggan PT. JNE Agen Arcadia. Hasil dari
penelitian ini diketahui bahwa indicator Bukti Fisik memiliki nilai gain
Ika Kurniawati tertinggi yaitu 2.98 yang berarti pelanggan merasa puas terhadap indikator
Sistem Informasi tersebut, sedangkan Empati dan Ketanggapan menjadi indikator kelemahan
Universitas Nusa Mandiri pelayanan. Hasil penelitian ini dapat dijadikan referensi oleh PT.JNE Agen
Jl. Kramat Raya No.18, Jakarta Pusat, DKI Jakarta
Email: ika.iki@nusamandiri.ac.id Arcadia untuk melakukan evaluasi terhadap pelayanan khususnya indikator
empati dan ketanggapan agar dapat meningkatkan loyalitas pelanggan.
Kata Kunci : C4.5, Data Mining, Decision Tree, Kepuasan Pelanggan, Klasifikasi
https://doi.org/10.46961/jommit.v6i1
JURNAL MULTI MEDIA DAN IT - VOL. 06 NO. 01 (2022) 001-006
Algoritma C4.5 yang memperoleh akurasi 87% pada data data 1) Menyiapkan data training. Data training biasanya sudah
70%:30%, sedangkan untuk data 90%:10% mengalami dikelompokan ke dalam kelas-kelas tertentu.
peningkatan akurasi menjadi 93%. Berdasarkan hasil penelitian 2) Menentukan akar. Akar pertama diperoleh dari nilai gain
yang paling tinggi. Nilai gain dihitung dari masing-masing
yang telah dilakukan [5] menerapkan algoritma C4.5 untuk
atribut yang terpilih. Sebelum menghitung gain dari atribut,
menganalisa kepuasan konsumen terhadap variabel tangiables, hitung nilai entropy, kemudian hitung nilai gain.
reliability, responsiveness, assurance, dan emphaty. Nilai gain 3) Ulangi langkah ke-2 hingga semua tupel terpartisi.
tertinggi adalah variabel tangiables dengan nilai 0,378118 dan 4) Proses partisi pohon keputusan akan berhenti saat:
indikator Fasilitas dari variabel tangiables memiliki nilai entropy a) Semua tupel dalam node N mendapat kelas yang
tertinggi yakni 0,764205. Pelanggan menyatakan puas terhadap sama.
indikator Fasilitas, Peralatan, dan Penampilan Karyawan b) Tidak ada atribut didalam tupel yang dipartisi lagi.
c) Tidak ada tupel di dalam cabang yang kosong.
sedangkan tidak puas terhadap indikator komunikasi. Penelitian
yang dilakukan oleh [6] teknik klasifikasi untuk analisis kepuasan
pelanggan sewa kamera dengan atribut yang digunakan
3. KONSEP PERANCANGAN
diantaranya: harga, fasilitas, pelayanan dam loyalitas,
3.1. Pengumpulan Data
menerapkan algoritma C4.5 kemudian memperoleh hasil
accuracy= 95%, recall=100%, precision = 92.31% dan Area Penelitian ini menggunakan data sekunder, yaitu data kuesioner
Under Curve sebesar 0.948 . yang dikumpulkan dari 120 responden yakni para pengguna jasa
kiriman PT. JNE Agen Arcadia. Penyebaran kuesioner dimulai
Penelitian ini akan menerapkan teknik klasifikasi dengan model pada bulan Juni 2021. Dalam pengisian kuesioner ini digunakan
C4.5 untuk analisa kepuasan pelanggan dan penerapan prediksi 5 dimensi pengukuran kepuasan pelanggan yaitu Tangible (bukti
loyalitas pelanggan dengan 5 (lima) dimensi pengukuran fisik), Empaty (empati), Reability (keandalan), Responsiveness
kepuasan pelanggan yaitu Tangible (bukti fisik), Empaty (ketanggapan, dan Assurance (Jaminan).
(empati), Reability (keandalan), Responsiveness (ketanggapan,
dan Assurance (Jaminan).. Hasil penelitian ini dapat digunakan Data kuisioner yang diperoleh dari responden yang berupa
sebagai rekomendasi PT. JNE Agen Arcadia untuk melakukan pertanyaan tentang kepuasan pelanggan pada jasa layanan
evaluasi dan meningkatkan pelayanannya. pengiriman barang, untuk setiap atribut diberikan nilai untuk bisa
menentukan puas atau tidak puasnya responden di hitung
2. TINJAUAN PUSTAKA berdasarkan nilai yang dihasilkan, nilai tersebut sebagai berikut :
Sangat Setuju =5
2.1. Data Mining Setuju =4
Ragu-Ragu =3
Data mining berada diantara cabang computer science dan
Tidak Setuju =2
statistika yang dimanfaatkan untuk mengekstraksi informasi dari
Sangat Tidak Setuju =1
database yang besar [7]. Data mining merupakan suatu cara untuk
Nilai dari masing-masing atribut di atas, dikalikan dengan jumlah
menguraikan dan menemukan pengetahuan didalam suatu
dimensi yang di gunakan Sehingga menghasilkan nilai
database [8]. Proses pemilihan atau “menambang” pengetahuan
Sangat Setuju = 125
dari sekumpulan data yang besar (big data). Data mining juga
Setuju = 100
sering disebut sebagai kegiatan mengeksplorasi dan menganalisis
Ragu-Ragu = 75
data yang berjumlah besar untuk menemukan pattern dan rule
Tidak Setuju = 50
yang berarti [9]. Data mining sebagai proses menemukan
Sangat Tidak Setuju = 25
informasi yang berguna dari database yang besar. Dalam artian
Jika nilai yang dihasilkan masing-masing atribut 100-125 maka
lain data mining dimanfaatkan sebagai pengekstrak informasi
dinyatakan PUAS, Sedangkan nilai yang dihasilkan 1-99, maka
dari data yang besar (big data) dalam membantu pengambilan
dinyatakan TIDAK PUAS. Berikut ini tabel hasil dari pengolahan
keputusan [10].
kuesioner responden.
https://doi.org/10.46961/jommit.v6i1
JURNAL MULTI MEDIA DAN IT
VOL.06 NO.01 (2022), PP. 001-006
P-ISSN : 2548-9534 | E-ISSN : 2548-9550
2. Perhitungan nilai Empati
a. Sangat Setuju
70 70 11 11
= (− ) ∗ 𝐿𝑜𝑔2 ( ) + (− ) ∗ 𝑙𝑜𝑔2 ( )
280 280 280 280
= 0.683458448
b. Setuju
53 53 20 20
= (− ) ∗ 𝐿𝑜𝑔2 ( ) + (− ) ∗ 𝑙𝑜𝑔2 ( )
242 242 242 242
= 0.777101944
c. Ragu-Ragu
9 9 9 9
= (− ) ∗ 𝐿𝑜𝑔2 ( ) + (− ) ∗ 𝑙𝑜𝑔2 ( )
32 32 32 32
= 1.029417187
https://doi.org/10.46961/jommit.v6i1
JURNAL MULTI MEDIA DAN IT - VOL. 06 NO. 01 (2022) 001-006
= 0,80572885 = −2.96960132
c. Ragu-Ragu
13 13 10 10 5. Gain Perhitungan Jaminan
= (− ) ∗ 𝐿𝑜𝑔2 ( ) + (− ) ∗ 𝑙𝑜𝑔2 ( )
28 28 28 28 205 250
= 1.044434497 = (0.754034056) − ( ) ∗ 0.716787152 − ( )
120 120
d. Tidak Setuju 28
5 5 4 4 ∗ 0.80572885 − ( )
= (− ) ∗ 𝐿𝑜𝑔2 ( ) + (− ) ∗ 𝑙𝑜𝑔2 ( ) 120
12 12 12 12
= 1.054585169 ∗ 1.044434497
12
− (120) ∗ 1.054585169)
= -2.498239
4.2. Perhitungan Gain Total
https://doi.org/10.46961/jommit.v6i1
JURNAL MULTI MEDIA DAN IT
VOL.06 NO.01 (2022), PP. 001-006
P-ISSN : 2548-9534 | E-ISSN : 2548-9550
Tidak
Setuju 12 5 4 1.054585169
Sangat
Berikut ini tabel 2 merupakan hasil perhitungan manual dan
Tidak pemrosesan menggunakan tools rapid miner. Dapat dilihat bahwa
Setuju 0 0 0 0 hasil dari kedua perhitungan tersebut sama. Hasil pengolahan
(Sumber : Hasil Perhitungan, 2022)
data dapat dilihat bahwa pelanggan menilai puas pada indikator
Bukti Fisik, Keandalan, Jaminan sedangkan pelanggan merasa
4.3. Hasil Pohon Keputusan
tidak puas dari indikator Empati dan Ketanggapan.
Hasil pengolahan data menggunakan tools rapid miner
berupa pohon keputusan yang dapat dilihat pada gambar Tabel. 2
2. Perbandingan Hasil Perhitungan
https://doi.org/10.46961/jommit.v6i1
JURNAL MULTI MEDIA DAN IT - VOL. 06 NO. 01 (2022) 001-006
https://doi.org/10.46961/jommit.v6i1