EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC-SA 4.0

KLASIFIKASI KEPUASAN PELANGGAN BERDASARKAN DATA HASIL SURVEI PADA ISP ERATEL MENGGUNAKAN MACHINE LEARNING

Muhammad Ary Sanjaya Putra Ary, Arif Setiawan, Muhammad Arifin

Rabit : Jurnal Teknologi dan Sistem Informasi Univrab · 10.07.2026 · 11 (2) · 2909-2918

DOI: 10.36341/rabit.v11i2.7937 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Rabit : Jurnal Teknologi dan Sistem Informasi Univrab, online erschienen am 10.07.2026. Verfasst von Muhammad Ary Sanjaya Putra Ary und 2 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-SA 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kepuasan pelanggan merupakan faktor penting dalam keberlangsungan perusahaan penyedia layanan internet atau Internet Service Provider (ISP). Penelitian ini bertujuan untuk membandingkan kinerja algoritma Naïve Bayes, Support Vector Machine (SVM), dan Random Forest dalam mengklasifikasikan tingkat kepuasan pelanggan ISP Eratel berdasarkan data hasil survei kuesioner. Data dikumpulkan melalui penyebaran kuesioner kepada 301 responden pelanggan Eratel dengan 10 item pertanyaan berskala Likert 1–4 menggunakan teknik convenience sampling. Tahapan penelitian meliputi pengumpulan data, preprocessing, pelabelan menggunakan metode interval kelas, pembagian dataset secara terstratifikasi dengan rasio 80:20, pelatihan model klasifikasi, serta implementasi dashboard web. Pelabelan menghasilkan tiga kelas yaitu Puas (54,82%), Cukup Puas (41,20%), dan Tidak Puas (3,99%). Berdasarkan evaluasi single split, algoritma Naïve Bayes dan SVM memperoleh nilai akurasi yang sama sebesar 90,16%, dengan Naïve Bayes menunjukkan performa sedikit lebih baik dalam mengenali kelas minoritas dengan precision 90,15%, recall 90,16%, dan f1-score 90,05%, dibandingkan SVM dengan precision 87,29%, recall 90,16%, dan f1-score 88,50%. Adapun Random Forest memperoleh akurasi 86,89% dengan f1-score 86,25%, dengan keunggulan pada precision kelas Tidak Puas sebesar 100% namun recall yang lebih rendah sebesar 50%. Secara keseluruhan, Naïve Bayes menjadi algoritma dengan performa terbaik pada evaluasi single split. Model klasifikasi kemudian diimplementasikan ke dalam dashboard web berbasis Streamlit yang memungkinkan pengguna mengunggah data hasil survei dalam format Excel (.xlsx), menampilkan visualisasi distribusi tingkat kepuasan pelanggan dalam bentuk diagram interaktif, serta memetakan hasil klasifikasi secara spasial per kecamatan di Kabupaten Kudus secara real-time. Penelitian ini menyimpulkan bahwa ketiga algoritma mampu mengklasifikasikan kepuasan pelanggan dengan baik, dengan Naïve Bayes menunjukkan performa terbaik berdasarkan evaluasi single split.

Zitieren

APA

Ary, M. A. S. P., Setiawan, A., & Arifin, M. (2026). KLASIFIKASI KEPUASAN PELANGGAN BERDASARKAN DATA HASIL SURVEI PADA ISP ERATEL MENGGUNAKAN MACHINE LEARNING. Rabit : Jurnal Teknologi dan Sistem Informasi Univrab, 11(2), 2909-2918. https://doi.org/10.36341/rabit.v11i2.7937

Vancouver

Ary MASP, Setiawan A, Arifin M. KLASIFIKASI KEPUASAN PELANGGAN BERDASARKAN DATA HASIL SURVEI PADA ISP ERATEL MENGGUNAKAN MACHINE LEARNING. Rabit : Jurnal Teknologi dan Sistem Informasi Univrab. 2026;11(2):2909-2918. doi:10.36341/rabit.v11i2.7937

BibTeX
@article{Ary2026,
  author = {Ary, Muhammad Ary Sanjaya Putra and Setiawan, Arif and Arifin, Muhammad},
  title = {KLASIFIKASI KEPUASAN PELANGGAN BERDASARKAN DATA HASIL SURVEI PADA ISP ERATEL MENGGUNAKAN MACHINE LEARNING},
  journal = {Rabit : Jurnal Teknologi dan Sistem Informasi Univrab},
  year = {2026},
  volume = {11},
  number = {2},
  pages = {2909--2918},
  doi = {10.36341/rabit.v11i2.7937}
}
Kostenlos starten →