<![CDATA[Kepuasaan merupakan tingkat perasaan seseorang ketika diberi pelayan yang baik, persepsi individual terhadap performa barang atau jara yang berhubungan dengan ekspetasi pelanggan. Data Mining biasanya digunakan untuk menemukan pengetahuan, proses pencarian pola yang tersembunyi berupa pengetahuan yang tidak diketahui sebelumnya dari sekumpulan data. Teknik klasifikasi digunakan untuk mengelompokan suatu data berdarkan keterikatan atau karakteristik terhadap data sampel. Penelitian ini telah membandingkan dan mengkombinasikan dua metode yaitu K-Nearest Neighbor dan Naïve Bayes untuk pengklasifikasian kepuasan pelanggan data yang didapatkan dari situs Kaggle sebanyak 800 data dengan parameter nama_produk, bintang_1, bintang_2, bintang_3, bintang_4, bintang_5, dan kualitas_produk. Metode KNN menghasilkan akurasi sebesar 88,44%, Metode Naïve Bayes menghasilkan akurasi sebesar 69,88%, sedangkan kombinasi dua metode menghasilkan akurasi tertinggi sebesar 91,86% hal ini menunjukan bahwa penggunaan dua metode akan menghasilkan akurasi yang tinggi.]]>
Copyrights © 2022
