Zayn Laundry menghadapi persaingan bisnis laundry yang semakin ketat di Kota Medan sehingga diperlukan pengukuran kepuasan pelanggan secara objektif. Penelitian ini bertujuan menerapkan algoritma K-Nearest Neighbors (KNN) untuk mengklasifikasikan tingkat kepuasan pelanggan, mengetahui tingkat kepuasan berdasarkan data kuesioner, dan mengetahui akurasi model yang dihasilkan. Data penelitian diperoleh dari 250 pelanggan melalui kuesioner yang terdiri dari 15 pernyataan dengan skala Likert 1–4 yang mencakup lima variabel, yaitu kualitas pelayanan, harga, kemudahan akses, pengalaman pelanggan, dan kualitas hasil layanan. Data melalui tahap pra-pemrosesan, uji validitas dan reliabilitas, kemudian dikelompokkan menjadi tiga kategori, yaitu Tidak Puas, Cukup Puas, dan Puas dengan kategori Puas sebagai kategori mayoritas. Ketidakseimbangan kelas ditangani menggunakan Synthetic Minority Over-sampling Technique (SMOTE). Klasifikasi dilakukan menggunakan KNN dengan Euclidean Distance, sedangkan nilai K terbaik ditentukan melalui Stratified K-Fold Cross Validation. Hasil penelitian menunjukkan K=3 sebagai nilai terbaik. Model KNN sebelum SMOTE menghasilkan akurasi sebesar 96%, precision sebesar 0,96%, recall sebesar 0,96%, dan F1-score sebesar 0,95%. Setelah menggunakan SMOTE, model memperoleh accuracy sebesar 98%, precision, recall, dan F1-score masing-masing sebesar 0,98%. Hasil tersebut menunjukkan KNN dengan SMOTE dapat meningkatkan akurasi model klasifikasi.
Copyrights © 2026