Claim Missing Document
Check
Articles

Found 2 Documents
Search

Implementasi Random Forest dalam Klasifikasi Kepuasan dan Masalah Pengguna pada Aplikasi Ujian Berbasis Data Mining Ubaidilah, M. Dimas; Tohari, Ahmad; Mutia, Sherla Dian; Harmawan, Muhammad Ferri
Nusantara of Engineering (NOE) Vol 8 No 02 (2025): Volume 8 Nomor 2 - 2025
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/noe.v8i02.25629

Abstract

Peningkatan penggunaan aplikasi ujian daring memerlukan penilaian objektif mengenai tingkat kepuasan pengguna. Tujuan dari penelitian ini adalah untuk mengelompokkan kepuasan pengguna aplikasi ujian daring berdasarkan karakteristik pengguna seperti tingkat kelas, gender, dan frekuensi penggunaan aplikasi. Data dikumpulkan melalui kuesioner yang diisi oleh 144 responden, yang kemudian diproses dengan metode encoding dan normalisasi. Metode klasifikasi yang digunakan adalah Random Forest, yang menghasilkan akurasi mencapai 55% dengan tingkat pengembalian 70% untuk kategori puas. Temuan ini menunjukkan bahwa fitur-fitur dasar yang berhubungan dengan karakteristik pengguna dapat memberikan gambaran awal mengenai tingkat kepuasan, dan metode Random Forest dapat mengenali pola pengguna yang merasa puas dengan kinerja aplikasi. Penelitian ini diharapkan dapat menjadi dasar untuk pengembangan sistem evaluasi kepuasan yang lebih tepat dan fleksibel di masa yang akan datang.
Klasifikasi Pola Penjualan Berdasarkan Waktu dengan Metode Naive Bayes untuk Meningkatkan Efisiensi Penjualan Toko Lia Batik Collection Kediri Ubaidilah, M. Dimas; Mutia, Sherla Dian; Daniati, Erna
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 9 No. 3 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/7xncjs12

Abstract

Penjualan batik di Toko Lia Batik Collection di Kediri dipengaruhi oleh faktor waktu. Penelitian ini bertujuan untuk mengklasifikasikan pola penjualan dengan menggunakan metode Naive Bayes, yang mempertimbangkan atribut waktu serta tingkat penjualan, seperti tinggi, sedang, dan rendah. Data penjualan yang dikumpulkan selama tahun 2024 dianalisis melalui tahapan preprocessing, pelabelan, pelatihan model, dan evaluasi. Hasil penelitian menunjukkan bahwa metode Naive Bayes berhasil mencapai akurasi sebesar 75%, serta dapat mengidentifikasi pola penjualan musiman yang sangat penting untuk perencanaan strategi pemasaran dan pengadaan stok. Temuan ini mengindikasikan bahwa penerapan metode Naive Bayes dapat meningkatkan efisiensi dan daya saing UMKM dalam perencanaan bisnis mereka.