<![CDATA[Saat ini Indonesia mempunyai lebih dari satu operator seluler yang aktif. Perkembangan teknologi yang membuat segala aktivitas masyarakat dilakukan secara mobile atau online. Karena kebutuhan komunikasi sangat tinggi maka perusahaan operator saling berlomba-lomba untuk mengambil hati para pelanggan dengan peningkatan layanannya. Telkomsel menjadi salah satu operator terbesar di Indonesia. Untuk memberikan pelayanan terbaik, telkomsel harus konsisten dan meningkatkan pelayanan. Ada beberapa metode yang dapat digunakan untuk menganalisa klasifikasi kepuasan pelanggan seperti Support Vector Machine, Decission Tree dan Metode Naïve Bayes dan PSO. Tetapi belum diketahui tingkat akurasi paling tinggi dalam mengklasisfikasi kepuasan pelanggan. Untuk mengetahui tingkat akurasi tertinggi diantara metode tersebut, maka dilakukan penelitian perbandingan metode klasifikasi data mining untuk prediksi tingkat kepuasan pelanggan telkomsel prabayar. Penelitian dilakukan dengan penyebaran kuesioner dengan jumlah 500 responden. Dan variabel yang dinilai ada 4 yaitu harga, promosi, kualitas produk dan kualitas layanan. Hasil dari penelitian ini di dapatkan nilai akurasi algoritma C45 sebesar sebesar 96,50%, Support Vector Machine sebesar 89,66%, Naïve Bayes sebesar 89,88% dan metode Optimasi Naïve Bayes dengan pemilihan fiture Particle Swarm Optimization sebesar 95,85%. Jadi algoritma C.45 nilai akurasinya paling tinggi dibandingkan dengan metode lainnya. Sehingga menggunakan algoritma C.45 lebih baik dalam memprediksi tingkat kepuasan pelanggan telkomsel prabayar]]>
Copyrights © 2020
