Classification Of Visitor Satisfaction at The Museum Using The Naïve Bayes Algorithm

Ayunda Dwi Agustin, Tacbi Hendro Pudjiantoro, Puspita Nurul Sabrina

Abstract


Kepuasan ipengunjung iadalah ipengukuran iatau ijasa dengan iproduk-produk iyang iditerima.iData imining memiliki ikarakteristik iteknis, isalah isatunya iadalah klasifikasi. iTeknik iklasifikasi ijuga iterdiri idari beberapa metode iadalah iAlgoritma iNaïve iBayes Classifier. Algoritma iNaïve iBayes iClassifier merupakan isalah isatu metode iyang idigunakan idalam data imining iyang didasarkan ipada iteori ikepuasan Bayes. iPengaruh kepuasan ipengunjung, ijuga menyatakan ibahwa idengan adanya ikepuasan pengunjung iakan imenciptakan loyalitas pengunjung. Kepuasan ipengunjung ijuga imemiliki pengaruh iuntuk meningkatkan ikualitas ipelayanan iPusat Peragaan-IPTEK idikarenakan iadanya ipengujung iyang datang untuk imenggunakan ialat peraga iberulang ikali. Peragaan di Pusat Peragaan-IPTEK dibuat sangat menyenangkan dan menghibur, melalui berbagai program dan peragaan interaktif yang dapat disentuh dan dimainkan. Pusat Peragaan Ilmu Pengetahuan dan Teknologi dibangun dengan maksud menyadarkan masyarakat mengenai perkembangan ilmu pengetahuan dan teknologi dunia secara sangat cepat. Arah perkembangan ini harus didasari agar dapat mengikuti untuk kemudian maju bersama perkembangan. Berdasarkan hasil analisis yang diperoleh dalam penelitian ini dilakukan dengan menerapkan naïve bayes. Metode yang digunakan dengan menggunakan data latih untuk dapatkan peluang setiap kriteria untuk kelas yang berbeda, maka nilai-nilai ini kriteria dapat dioptimalkan untuk memprediksi baru kepuasan pelanggan, yaitu dengan pengujian data.

Keywords


Data Mining; Naïve Bayes; Classification; Satisfaction

Full Text:

PDF

References


Y. Siska, “Penerapan Data Mining Dengan Algoritma Naive Bayes Clasifer Untuk Mengetahui Tingkat Kepuasan Pelanggan Terhadap Pelayanan Servis Mobil (Studi Kasus: Katamso Service),” Maj. Ilm. INTI, vol. 14, no. 2, pp. 195–199, 2019.

A. Indriani, “Klasifikasi Data Forum dengan menggunakan Metode Naïve Bayes Classifier,” Semin. Nas. Apl. Teknol. Inf. Yogyakarta, vol. 1, no. 1, pp. 21–2014, 2014, [Online]. Available: www.bluefame.com,.

A. Nanji, “F. Islam,” Ethical Issues Six Relig. Tradit., pp. 283–342, 2007.

T. A. Smith, “Perbandingan Metode Klasifikasi Data Mining untuk Prediksi Tingkat Kepuasan Pelanggan Telkomsel Prabayar,” no. August, 2016.

D. Marutho, “Perbandingan Metode Naive Bayes , KNN , Decision Tree Pada Laporan Water Level Jakarta,” Manaj. Inform. AMIK JTC Semarang, vol. 15, no. 2, pp. 90–97, 2019.

T. Kepuasaan, P. Pusat, and P. Ilmu, “Kata Kunci : Produk, Kualitas Pelayanan, Lokasi, Kepuasan Pengunjung,” vol. 4, no. September 2018, pp. 107–140.

M. Bachrul Ulum, “Perancangan Pusat Rekreasi Peragaan IPTEK Di Batu Tema: High Tech Architecture,” pp. 7–47, 2013, [Online]. Available: http://etheses.uin-malang.ac.id/1260/1/07660012_Pendahuluan.pdf.

A. Tingkat, K. Pelanggan, and T. Pelayanan, “Pelita teknologi,” vol. 15, no. 1, pp. 56–67, 2020.

E. M. Sipayung, H. Maharani, and I. Zefanya, “Perancangan Sistem Analisis Sentimen Komentar Pelanggan Menggunakan Metode Naive Bayes Classifier,” J. Sist. Inf., vol. 8, no. 1, pp. 958–965, 2016, [Online]. Available: https://ejournal.unsri.ac.id/index.php/jsi/article/view/3250/1907.

I. Purnamasari, “Analisa Klasifikasi Loyalitas Siswa Lembaga Pendidikan Tari dengan Metode Naïve Bayes,” J. Ilm. Komputasi, vol. 19, no. 1, pp. 59–68, 2020, doi: 10.32409/jikstik.19.1.157.

K. Aeni et al., “Prediksi Kepuasan Layanan Akademik Menggunakan Algoritma Naïve Bayes,” vol. 7, no. 3, 2020.

American Journal of Sociology, “KLASIFIKASI KEPUASAN MAHASISWA TERHADAP PELAYANAN PERGURUAN TINGGI MENGGUNAKAN ALGORITMA NAÏVE BAYES,” J. Chem. Inf. Model., vol. 53, no. 9, pp. 1689–1699, 2019.

I. E. Putri, D. Rahmawati, Y. Azhar, U. M. Malang, and P. S. Informatika, “Perbandingan Metode Klasifikasi Data Mining Untuk,” vol. 16, no. 1, pp. 1–6, 2020, doi: 10.33372/stn.v6i2.666.

R. Harman, “Penerapan Metode Data Mining ( Naïve Bayes ) Untuk Menganalisis Tingkat Mutu Pelayanan ( Tmp ) Pada Pelanggan Study Kasus PT PLN Batam,” CBIS J., vol. 1, pp. 45–56, 2013.

D. Pratidana, “Hak cipta dan penggunaan kembali : Lisensi ini mengizinkan setiap orang untuk menggubah , memperbaiki , dan membuat ciptaan turunan bukan untuk kepentingan komersial , selama anda mencantumkan nama penulis dan melisensikan ciptaan turunan dengan syarat ya,” J. Exp. Psychol. Gen., vol. 136, no. 1, pp. 23–42, 2017, [Online]. Available: http://kc.umn.ac.id/5548/1/BAB II.pdf.


Refbacks

  • There are currently no refbacks.