Analisis Tingkat Kepuasan Pelanggan Terhadap Pelayanan Salon Krisna Menggunakan Metode Naive Bayes

Analisis Tingkat Kepuasan Pelanggan Terhadap Pelayanan Salon Krisna Menggunakan Metode Naive Bayes

• By Setiawan, Budi;
• S1 - Teknik Informatika
• 12
• 1-76

Penelitian ini diarahkan untuk mengkaji kepuasan pelanggan atas layanan Krisna Salon menggunakan metode Naive bayes. Latar belakang penelitian adalah pentingnya kepuasan pelanggan untuk mengembangkan daya saing dan layanan salon yang lebih baik. Klasifikasi dalam penelitian adalah kepuasan pelanggan dengan pengumpulan informasi melalui kuesioner. Data numerik 3 indikator, 9 kelas, dan 1 label serta 103 data latih terkait digunakan. Penelitian ini bertujuan untuk Tujuan penelitian ini adalah mengukur tingkat kepuasan pelanggan dengan skala nominal, mengukur faktor-faktor yang mempengaruhi kepuasan pelanggan, menerapkan metode Naive bayes berdasarkan prosedur algoritma Navie Bayes dalam meng klasifikasi tingkat kepuasan dan memberikan informasi dan rekomendasi agar Krisna Salon dapat meningkatkan kualitas kelola pelayananya. Kesimpulan penelitian berdasarkan hasil penelitian dapat dilihat dari rapidminer bahwa algoritma Naive bayes memiliki presisi 91,14% dan rata-rata presisi sebesar 53,67%, rata-rata recall rate sebesar 51,89%. Dari 113 data latih, 102 data diprediksi “Puas” dan benar-benar “Puas”, tidak ada data yang dibuang, tetapi beberapa data memberikan hasil prediksi yang berbeda dibandingkan dengan hasil sebenarnya.

• Katakunci Kepuasan pelanggan, Salon Krisna, Naïve Bayes, Data Mining.
• URL http://
• Penerbit Bina Sarana Informatika,

REFERENSI

Aditiya, R., Defit, S., & Nurcahyo, G. W. (2020). Prediksi Tingkat Ketersediaan Stock Sembako Menggunakan Algoritma FP-Growth dalam Meningkatkan Penjualan. Jurnal Informatika Ekonomi Bisnis, 2, 67–73. https://doi.org/10.37034/infeb.v2i3.44

Amanda, A. D., Windarto, A. P., & Qurniawan, H. (2022). Analisis Kepuasan Konsumen terhadap Pelayanan Store Ms Glow Menggunakan Metode Naïve Bayes. Hello World Jurnal Ilmu Komputer, 1(3), 130–144. https://doi.org/10.56211/helloworld.v1i3.139

Avrillia, P., Salsabila, Z. S., Sulistyaningrum, I., & Ikaningtyas, M. (2024). Strategi Perencanaan dan Pengembangan Bisnis untuk Meningkatkan Penjualan pada Salon Kecantikan. IJM: Indonesian Journal of Multidisciplinary, 2(2), 708–716.

Hasna Nabila Zulfa, Helmalia Maulida, R. Y. (2024). PENGARUH HARGA MEDIA SOSIAL TERHADAP MINAT BERKUNJUNG WISATAWAN DI ATV AJA (Vol. 2, Issue 2). https://ojs.unhaj.ac.id/index.php/jumper

Irsyad, Z., Winanjaya, R., & Rizki, F. (2022). Klasifikasi Kepuasan Siswa Terhadap Fasilitas Bengkel Automotif Pada SMK HKBP Pematangsiantar dengan Algoritma Naive bayes. 1(2), 106–111.

M.Siddik, R.Putri, Y.Desnelita, G. (2020). Klasifikasi Kepuasan Mahasiswa Terhadap Pelayanan Perguruan Tinggi Menggunakan Algotirma Naïve Bayes. 3, 162–166.

Maulana​, D., & Nurjanah, E. L. (2019). Analisa Tingkat Kepuasan Pelanggan Terhadap Penjualan Beauty Produk Pada Online Shop Dengan Menggunakan Metode Naive bayes. Jurnal Teknologi Pelita Bangsa, 10(September), 32–39.

Poso, M. Y. B., Faizah, N., & Karo, P. K. (2023). Aplikasi Sistem Penerimaan Siswa Baru SMK Taruna Bakti Cikarang Selatan Berbasis Web dengan Metode Rapid Application Develoment (RAD). Design Journal, 1(1), 72–78. https://doi.org/10.58477/dj.v1i1.59

Yani, A., Azmi, Z., & Suherdi, D. (2023). Implementasi Data Mining Menganalisa Data Penjualan Menggunakan Algoritma K-Means Clustering. Jurnal Sistem Informasi Triguna Dharma (JURSI TGD), 2(2), 315. https://doi.org/10.53513/jursi.v2i2.6357

Yumarlin, Bororing, edwin, J., & Fuadiah, N. (2023). Penerapan Metode K-Nearest Neighbor Dan Decision Tree Untuk Analisis Sentimen (Studi Kasus Mario Dandi). Indonesian Journal Of Information Technology, 1–6.