Penerapan Skala Likert pada Klasifikasi Tingkat Kepuasan Pelanggan Agen Brilink Menggunakan Random Forest
DOI:
https://doi.org/10.26418/justin.v11i3.62086Keywords:
BRILink, Kepuasan Pelanggan, Skala Likert, Random ForestAbstract
Transaksi perbankan merupakan aktivitas yang sudah menjadi kebutuhan sehari-hari. Agen BRILink menjadi salah satu Smart Service yang dimiliki oleh Bank BRI. Layanan perbankan ini memanfaatkan teknologi untuk menarik pelanggan. Namun, terdapat banyak sekali layanan lain yang disebut sebagai pesaing sehingga diperlukan suatu strategi pelayanan agar dapat memberikan layanan terbaik dari yang terbaik. Dalam membangun strategi tersebut, Bank BRI perlu mengetahui tingkat kepuasan pelanggan melalui Skala Likert sebagai patokan dan perbaikan kedepannya dalam hal pelayanan. Pada Skala Likert dapat mengukur sikap, pendapat, dan persepsi seseorang atau sekelompok orang. Penelitian ini melakukan klasifikasi dengan menggunakan Random Forest tanpa penerapan Skala Likert dan dengan penerapan Skala Likert. Tujuan dari penelitian ini berfokus pada peningkatan akurasi yang dihasilkan oleh Random Forest dengan Skala Likert terhadap data kepuasan pelanggan Agen BRILink. Dari hasil penelitian yang dilakukan Random Forest pada data tanpa Skala Likert diperoleh akurasi sebesar 72% dan nilai Mtry optimal sebesar 2, sedangkan Random Forest dengan Skala Likert diperoleh akurasi sebesar 83,67% dan nilai Ntree optimal sebesar 100. Hasil penelitian ini membuktikan penerapan Skala Likert dapat meningkatkan akurasi terhadap klasifikasi tingkat kepuasan pelanggan agen BRILink menggunakan Random Forest.
References
Andryani, Y. D., 2019. Inklusivitas Program ‘Laku Pandai’ ( Layanan Keuangan Tanpa Kantor Dalam Rangka Keuangan Inklusif ) ( Studi Deskriptif Pada Bank Rakyat Indonesia Kantor Cabang Krian ). Skripsi S1, FISIP. Universitas Airlangga, Surabaya.
Pereira, D., Giantari, N. G. K., & Sukaatmadja, I. P. G., 2016. Pengaruh Service Quality Terhadap Satisfaction dan Customer Loyalty Koperasi Dadirah di Dili Timor Leste. E-Jurnal Ekonomi Dan Bisnis Universitas Udayana, Volume 3, pp. 455–488.
Taluke, D., Lakat, R. S. M., Sembel, A., Mangrove, E., & Bahwa, M., 2019. Analisis Preferensi Masyarakat Dalam Pengelolaan Ekosistem Mangrove Di Pesisir Pantai Kecamatan Loloda Kabupaten Halmahera Barat. Jurnal Spasial, 6 (2), pp. 531–540.
Suwandi, E., Imansyah, F. H., & Dasril, H. 2018. Analisis Tingkat Kepuasan Menggunakan Skala Likert pada Layanan Speedy yang Bermigrasi ke Indihome. Jurnal Teknik Elektro, Volume 11.
Oktanisa, I., & Supianto, A. A., 2018. Perbandingan Teknik Klasifikasi Dalam Data Mining Untuk Bank Direct Marketing. Jurnal Teknologi Informasi Dan Ilmu Komputer, 5 (5), pp. 567.
Pandie, E. S. Y., Widiastuti, T., Molla, A. S., & Djahi, B. S., 2019. Implementasi Algoritma K-Means untuk Mengenali Pola Jemaat dalam Kegiatan Pelayanan Gereja. Jurnal Komputer Dan Informatika, 7 (2), pp. 110–115.
Firmansyah, I., Samudra, J. T., Pardede, D., Situmorang, Z., & Utama, U. P., 2022. Komparasi Random Forest dan Logistic Regression Dalam Klasifikasi Penderita Covid-19 Berdasarkan Gejalanya. Journal of Science and Social Research, Volume 3, pp. 595–601.
Nugroho, Y. S., & Emiliyawati, N., 2017. Sistem klasifikasi variabel tingkat penerimaan konsumen terhadap mobil menggunakan metode random forest. Jurnal Teknik Elektro, 9 (1), pp. 24–29.
Magfirah, V. M. 2018. Penerapan data mining untuk klasifikasi kepuasan pelanggan transportasi online (ojek online) menggunakan algoritma c4.5. Skripsi S1. Teknik Informatika Sekolah Tinggi Teknologi Pelita Bangsa, Bekasi.
Haristu, R. A., & Rosa, P. H. P., 2019. Penerapan Metode Random Forest untuk Prediksi Win Ratio Pemain Player Unknown Battleground. MEANS (Media Informasi Analisa Dan Sistem), Volume 4, pp. 120–128.
Prasojo, B., & Haryatmi, E., 2021. Analisa Prediksi Kelayakan Pemberian Kredit Pinjaman dengan Metode Random Forest. Jurnal Nasional Teknologi Dan Sistem Informasi, 7 (2), pp. 79-89.
Supriyadi, R., Gata, W., Maulidah, N., & Fauzi, A., 2020. Kualitas Anggur Merah. Jurnal Ilmiah Ekonomi Dan Bisnis, 13 (2), 00. 67-75.
Febrianti, R. 2019. Faktor-faktor yang mempengaruhi kepuasan pelanggan menggunakan layanan produk brilink di kecamatan towuti kabupaten luwu timur. Skripsi S1. Fak. Manajemen Sekolah Tinggi Ilmu Ekonomi Nobel Indonesia. Makassar.
Asri, L., Program, U., Sistem, S., Stmik, I., Mandiri, N., Jl, J., Damai, N., Jati, W., Margasatwa, B., & Selatan, J., 2017. Analisis Sentimen Opini Publik Berita Kebakaran Hutan Melalui Komparasi Algoritma Support Vector Machine Dan K-Nearest Neighbor Berbasis Particle Swarm Optimization. Jurnal Pilar Nusa Mandiri, Volume 13, pp. 103–112.
Wungkana, C., Aror, M., Sandag, G.A., 2021. Model Prediksi Penderita HCC menggunakan Algoritma Random Forest. Jurnal Sistem dan Teknologi Informasi,
Christy, E., Suryowati, K., Statistika, J., Sains Terapan, F., & AKPRIND Yogyakarta, I., 2021. Analisis Klasifikasi Status Bekerja Penduduk Daerah Istimewa Yogyakarta Menggunakan Metode Random Forest. Jurnal Statistika Industri Dan Komputasi, Volume 6, pp. 69–76.
Azis, H., Purnawansyah, P., Fattah, F., & Putri, I. P., 2020. Performa Klasifikasi K-NN dan Cross Validation Pada Data Pasien Pengidap Penyakit Jantung. Jurnal Ilmiah, Volume 12, pp. 81–86.
Bawono, B., & Wasono, R., 2019. Perbandingan Metode Random Forest dan Naive Bayes. Jurnal Sains Dan Sistem Informasi, Volume 6, pp. 343–348.
Downloads
Additional Files
Published
Issue
Section
License
Copyright (c) 2023 JUSTIN (Jurnal Sistem dan Teknologi Informasi)
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
The author owns the copyright in his paper and agrees to publish his paper to JUSTIN by giving the rights to the first publication of his paper which is simultaneously licensed under the Creative Commons Attribution License, namely the Similar International 4.0 license (CC BY-NC-SA 4.0).
This is a human-readable summary of (and not a substitute for) the license. Disclaimer.
You are free to:Share "” copy and redistribute the material in any medium or format
Adapt "” remix, transform, and build upon the material
The licensor cannot revoke these freedoms as long as you follow the license terms.
Under the following terms:
Attribution "” You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
NonCommercial "” You may not use the material for commercial purposes.
ShareAlike "” If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.
No additional restrictions "” You may not apply legal terms or technological measures that legally restrict others from doing anything the license permits.
Notices:
You do not have to comply with the license for elements of the material in the public domain or where your use is permitted by an applicable exception or limitation.
No warranties are given. The license may not give you all of the permissions necessary for your intended use. For example, other rights such as publicity, privacy, or moral rights may limit how you use the material.
