Claim Missing Document
Check
Articles

Found 1 Documents
Search

Perbandingan Kinerja Algoritma K-Nearest Neighbor dan Naive Bayes untuk Klasifikasi Loyalitas Pelanggan (Studi Kasus: CV Cahaya Alam Indah) Ramadhan, Abdan Syakur; Magdalena, Lena; Febima, Mesi
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 3 (2025): Agustus - October
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i3.2697

Abstract

CV Cahaya Alam Indah menghadapi tantangan dalam merancang strategi pemasaran yang efektif karena tidak adanya sistem klasifikasi pelanggan yang terstruktur. Penelitian ini bertujuan untuk membangun model klasifikasi dengan membandingkan performa algoritma K-Nearest Neighbors (KNN) dan Naive Bayes untuk mengkategorikan pelanggan menjadi Loyal, Cenderung Loyal, dan Tidak Loyal. Penelitian ini menggunakan 220 data riwayat penjualan pelanggan yang melalui tahap pra-pemrosesan menggunakan normalisasi Min-Max dan dibagi menjadi 70% data latih dan 30% data uji. Kinerja model dievaluasi berdasarkan akurasi, presisi, recall, dan F1-Score. Hasil penelitian menunjukkan bahwa algoritma KNN mencapai akurasi lebih tinggi sebesar 83.3%, mengungguli algoritma Naive Bayes yang memperoleh 80.3%. Nilai F1-Score KNN juga secara konsisten lebih superior di semua kelas. Dengan demikian, model KNN direkomendasikan sebagai solusi yang lebih efektif untuk klasifikasi loyalitas pelanggan pada studi kasus ini.