Analisis Klasifikasi Kepuasan Penumpang Maskapai Penerbangan Menggunakan Algoritma Naïve Bayes
Analysis of Airline Passenger Satisfaction Classification Using the Naïve Bayes Algorithm
DOI:
https://doi.org/10.33084/jsakti.v3i2.2041Keywords:
Classification, Satisfaction Level, Algorithm, Naïve BayesAbstract
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.
Downloads
References
S. A. Aaputra, Didi Rosiyadi, Windu Gata, and Syepry Maulana Husain, “Sentiment Analysis Analisis Sentimen E-Wallet Pada Google Play Menggunakan Algoritma Naive Bayes Berbasis Particle Swarm Optimization,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 3, no. 3, pp. 377–382, 2019, doi: 10.29207/resti.v3i3.1118.
T. H. Apandi and C. A. Sugianto, “Algoritma Naive Bayes untuk Prediksi Kepuasan Pelayanan Perekaman e-KTP ( Naive Bayes Algorithm for Satisfaction Prediction of e-ID,” JUITA (Jurnal Inform. UMP, vol. 7, no. November, pp. 125–128, 2019.
M. Hasan, “Menggunakan Algoritma Naive Bayes Berbasis,” vol. 9, pp. 317–324, 2017.
W. D. Septiani, “Komparasi Metode Klasifikasi Data Mining Algoritma C4.5 Dan Naive Bayes Untuk Prediksi Penyakit Hepatitis,” None, vol. 13, no. 1, pp. 76–84, 2017, doi: 10.33480/pilar.v13i1.149.
A. Prabhat and V. Khullar, “Sentiment classification on big data using Naïve bayes and logistic regression,” 2017 Int. Conf. Comput. Commun. Informatics, ICCCI 2017, no. January 2017, 2017, doi: 10.1109/ICCCI.2017.8117734.
A. D. Poernomo and S. Suharjito, “Indonesian online travel agent sentiment analysis using machine learning methods,” Indones. J. Electr. Eng. Comput. Sci., vol. 14, no. 1, p. 113, 2019, doi: 10.11591/ijeecs.v14.i1.pp113-117.
J. Singh, G. Singh, and R. Singh, “Optimization of sentiment analysis using machine learning classifiers,” Human-centric Comput. Inf. Sci., vol. 7, no. 1, 2017, doi: 10.1186/s13673-017-0116-3.
Y. T. Samuel and K. DEwi, “Penggunaan Metode NAÏVE BAYES Dalam Mengukur Tingkat Kepuasan Pengguna Terhadap Online System Universitas Advent Indonesia,” TeIKa, vol. 9, no. 02, pp. 147–153, 2019, doi: 10.36342/teika.v9i02.2162.
H. Oktavianto and R. P. Handri, “Analisis Klasifikasi Kanker Payudara Menggunakan Algoritma Naive Bayes,” INFORMAL Informatics J., vol. 4, no. 3, p. 117, 2020, doi: 10.19184/isj.v4i3.14170.
N. Normah, “Naïve Bayes Algorithm For Sentiment Analysis Windows Phone Store Application Reviews,” SinkrOn, vol. 3, no. 2, p. 13, 2019, doi: 10.33395/sinkron.v3i2.242.
Downloads
Published
How to Cite
Issue
Section
License
All rights reserved. This publication may be reproduced, stored in a retrieval system, or transmitted in any form or by any means, electronic, mechanical, photocopying, recording.
