<![CDATA[Kepuasan pelanggan merupakan faktor kunci dalam meningkatkan kualitas layanan di PT. Rajawali Berdikari Indonesia. Dengan perkembangan teknologi, diperlukan metode yang lebih akurat untuk menganalisis dan memprediksi skor kepuasan pelanggan guna meningkatkan pengalaman layanan. Permasalahan analisis kepuasan pelanggan memiliki tantangan utama dalam menangkap pola interaksi yang bersifat temporal. Pendekatan tradisional kurang efektif dalam memahami pola perubahan kepuasan pelanggan secara dinamis. Penelitian ini bertujuan untuk mengembangkan model prediksi kepuasan pelanggan menggunakan algoritma Bidirectional Long Short-Term Memory (BiLSTM). Model ini diharapkan mampu memberikan prediksi yang lebih akurat dibandingkan algoritma lain seperti C4.5 dan Random Forest Penelitian ini menggunakan pendekatan CRISP-DM yang mencakup pemahaman bisnis, pengolahan data, pemodelan, evaluasi, dan implementasi. Dataset yang digunakan mencakup variabel durasi percakapan, jumlah pesanan, dan performa agen. Model dikembangkan menggunakan teknik machine learning dan diuji menggunakan metrik evaluasi seperti akurasi dan F1-score. Hasil penelitian menunjukkan bahwa model BiLSTM memiliki akurasi tertinggi sebesar 94%, lebih baik dibandingkan model C4.5 (74%) dan Random Forest (88%). Implementasi model ini dapat membantu perusahaan dalam meningkatkan strategi layanan pelanggan secara lebih proaktif dan efektif.]]>
Copyrights © 2025
