<![CDATA[Analisa algoritma klasifikasi K-Nearest Neighbor dalam menentukan nilai akurasi terhadap kepuasan pelanggan (study kasus PT. Trigatra komunikatama). Perkembangan data tidak terlepas dari kemajuan teknologi informasi yang memungkinkan data dalam jumlah yang besar terakumulasi. Data mining adalah proses pengumpulan informasi penting dari sejumlah data besar yang tersimpan di basis data, gudang data atau tempat penyimpanan lainnnya. Klasifikasi adalah proses pembelajaran secara terbimbing (supervised learning). Klasifikasi digunakan untuk memprediksi kelas dari objek yang kelasnya belum diketahui. Metode klasifikasi yang umum digunakan antara lain: Decision tree, K-Nearest Neighbor, Naïve Bayes, Neural Network, C4.5 dan Support Vector Machine. K-Nearest Neighbor (KNN) adalah suatu metode yang menggunakan algoritma supervised dimana hasil dari query instance yang baru diklasifikan berdasarkan mayoritas dari kategori pada KNN. Tujuan dari algoritma ini adalah mengklasifikasi object baru berdasarkan artibut dan training sample. Data yang digunakan dalam penelitian ini berupa data primer. Dimana data tersebut diperoleh dari hasil kuisioner yang disebarkan kepada pelanggan PT. Trigatra Komunikatama. Obyek dari penelitian ini adalah hal-hal yang berkaitan dengan pelayanan kepada pelanggan.Analisa algoritma klasifikasi K-Nearest Neighbor (KNN) ini dilakukan untuk menentukan nilai akurasi dari data kepuasan pelanggan terhadap pelayanan PT. Trigatra Komunikatama. Berdasarkan hasil Analisa, metode klasifikasi algoritma K-Nearest Neighbor menunjukan bahwa metode ini memiliki nilai keakuratan yang cukup baik. ini dilihat dari nilai accuracy dimana algoritma K-Nearest Neighbor memiliki nilai accuracy sebesar 83,33%.]]>
Copyrights © 2020
