Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Indonesian Journal of Multidisciplinary on Social and Technology
Yahya Hasani Fauzi
Universitas Bina Sarana Informatika
Computer Science & IT Economics, Econometrics & Finance Engineering Social Sciences

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Klasifikasi Kepuasan Pengguna Livin by Mandiri Menggunakan Naïve Bayes Yahya Hasani Fauzi; Sefrika Sefrika; Faisal Faisal
Indonesian Journal of Multidisciplinary on Social and Technology Vol. 4 No. 3 (2026): Juli - Oktober
Publisher : PT Ilmu Data Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69693/ijmst.v4i3.14414

Abstract

Perkembangan layanan perbankan digital menjadikan mobile banking sebagai salah satu sarana penting dalam melakukan transaksi keuangan. Namun, kendala teknis dan performa aplikasi dapat memengaruhi kepuasan pengguna. Penelitian ini bertujuan untuk mengetahui tingkat kepuasan pengguna aplikasi Livin by Mandiri di Kelurahan Kademangan, mengklasifikasikan pengguna ke dalam kategori Puas dan Tidak Puas menggunakan algoritma Naïve Bayes, serta mengevaluasi kinerja model yang dihasilkan. Penelitian ini menggunakan pendekatan kuantitatif dengan data primer yang diperoleh melalui kuesioner daring. Sebanyak 125 responden dipilih menggunakan teknik purposive sampling berdasarkan kriteria yang telah ditentukan. Kuesioner terdiri atas 20 pernyataan dengan skala Likert lima poin. Sebanyak 16 atribut yang mencakup kemudahan penggunaan, kualitas sistem, kualitas informasi, dan keamanan digunakan sebagai prediktor, sedangkan empat pernyataan kepuasan digunakan untuk membentuk label kelas. Proses klasifikasi dilakukan menggunakan RapidMiner dengan metode 10-Fold Cross Validation. Teknik Synthetic Minority Over-sampling Technique (SMOTE) diterapkan pada data latih di setiap fold untuk mengatasi ketidakseimbangan kelas tanpa mengubah distribusi asli data uji. Hasil penelitian menunjukkan bahwa 116 responden (92,8%) termasuk kategori Puas, sedangkan sembilan responden (7,2%) termasuk kategori Tidak Puas. Evaluasi model menghasilkan accuracy sebesar 98,40%, precision sebesar 100%, recall sebesar 77,78%, dan F1-score sebesar 87,50%, dengan kategori Tidak Puas sebagai kelas positif. Hasil tersebut menunjukkan bahwa kombinasi Naïve Bayes dan SMOTE mampu mengklasifikasikan kepuasan pengguna dengan baik, meskipun peningkatan masih diperlukan untuk mendeteksi seluruh pengguna yang tidak puas.
Co-Authors Faisal Faisal Sefrika Sefrika