Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Format : Jurnal Imiah Teknik Informatika bit-Tech
Irvan Rahul Ramadika
Universitas Buddhi Dharma
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Perbandingan Algoritma C4.5 dan Naïve Bayes dalam Prediksi Loyalitas Pelanggan Ardiane Rossi Kurniawan Maranto; Liliy Damayanti; Irvan Rahul Ramadika
bit-Tech Vol. 7 No. 2 (2024): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v7i2.1825

Abstract

Industri Internet Service Provider (ISP) saat ini menghadapi tantangan besar dalam menjaga loyalitas pelanggan di tengah persaingan pasar yang semakin ketat. Loyalitas pelanggan menjadi aspek penting karena tidak hanya menjamin pendapatan yang stabil, tetapi juga meningkatkan reputasi perusahaan di mata publik. Penelitian ini berupaya mengevaluasi dua algoritma pembelajaran mesin, yaitu Algoritma C4.5 dan Naïve Bayes, dalam memprediksi loyalitas pelanggan ISP, memberikan wawasan tentang algoritma yang paling efektif untuk analisis loyalitas pelanggan. Dengan menggunakan pendekatan CRISP-DM, data pelanggan yang mengajukan penghentian layanan hingga akhir tahun 2020 menjadi data yang akan dianalisis. Data tersebut mencakup berbagai atribut, seperti alasan penghentian, jenis produk, metode penghentian, dan informasi demografis. Proses validasi penelitian ini menggunakan teknik 10-fold cross-validation, dengan hasil menunjukkan bahwa algoritma C4.5 memiliki performa lebih baik unggul dibandingkan Naïve Bayes. Algoritma C4.5 mencatat akurasi sebesar 80,67% dan nilai AUC 0,830, sementara Naïve Bayes mencatat akurasi 76,23% dan AUC 0,824. Dengan keunggulan ini, Algoritma C4.5 terbukti lebih akurat dalam membedakan pelanggan loyal dan tidak loyal. Hasil penelitian ini dapat memberikan rekomendasi strategis bagi ISP untuk meningkatkan pengelolaan pelanggan melalui analisis data yang optimal. Dengan algoritma yang tepat, perusahaan dapat mengembangkan strategi yang efektif untuk mempertahankan pelanggan setia, mengurangi tingkat kehilangan pelanggan, dan memperkuat daya saing mereka. Penelitian ini juga menekankan pentingnya adopsi teknologi prediktif untuk mendukung pengambilan keputusan strategis di industri ISP yang terus berubah.
Optimasi Pemilihan Indekos Dengan Menggunakan Metode TOPSIS Irvan Rahul Ramadika; Benny Daniawan
FORMAT Vol 15 No 1 (2026)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/format.2026.v15.i1.004

Abstract

Meningkatnya populasi Indonesia mendorong permintaan hunian layak yang semakin meningkat. Namun, memiliki rumah pribadi menjadi sulit karena tingginya suku bunga Kredit Pemilikan Rumah (KPR), yang seringkali tidak sesuai dengan pendapatan masyarakat. Hal ini menjadikan rumah kos sebagai alternatif yang menarik karena lebih terjangkau dan tidak memerlukan komitmen jangka panjang. Saat ini, pencarian dan pemasaran rumah kos masih mengandalkan metode konvensional, yang mengharuskan calon penyewa untuk datang langsung atau bergantung pada informasi masyarakat sekitar. Untuk mengatasi hal ini, penelitian ini bertujuan untuk merancang Sistem Pendukung Keputusan (SPK) berbasis web untuk memfasilitasi transaksi antara pemilik dan calon penyewa tanpa harus mengunjungi ataupun survei ke lokasi. Sistem ini menggunakan Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) untuk memberikan rekomendasi rumah kos yang optimal. Kriteria yang dipertimbangkan meliputi Harga, Jarak, Fasilitas, Ukuran Kamar, dan Keamanan. Hasil TOPSIS menunjukkan rekomendasi terbaik adalah Artha Kos, dengan nilai preferensi tertinggi sebesar 0,7809. Hal ini karena rumah kos tersebut menawarkan kombinasi kriteria terbaik, seperti fasilitas dan keamanan, yang menunjukkan bahwa pengguna lebih mengutamakan kenyamanan dan keamanan daripada biaya ataupun jarak. Sistem ini juga mencakup fitur pemesanan langsung dan telah diuji menggunakan metode User Acceptance Testing (UAT), dengan tingkat kepuasan mencapai 86,4%. Hasil ini menunjukkan bahwa sistem ini efektif dan menyederhanakan pemesanan kos secara digital, memberikan solusi praktis untuk memenuhi kebutuhan perumahan di tengah tantangan kepemilikan rumah pribadi.
Co-Authors Ardiane Rossi Kurniawan Maranto Benny Daniawan Liliy Damayanti