EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC 4.0

Naive Bayes dan Decision Tree: Studi Kasus Klasifikasi Kepuasan Pelanggan E-Commerce

Ofirmince Tulak Bamba, Nur Vadila, Sri Fitrawati, Vilna Wati Tedang, Asrawati

SIMKOM · 2025

DOI: 10.51717/simkom.v10i2.897 ↗

Kurz gefasst

Fachartikel in der Zeitschrift SIMKOM, 2025. Verfasst von Ofirmince Tulak Bamba und 4 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-NC 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Peningkatan belanja daring mendorong e-commerce untuk memahami kepuasan pelanggan melalui analisis ulasan otomatis. Studi ini mengevaluasi dan membandingkan kemampuan algoritma Naive Bayes dan Decision Tree dalam mengklasifikasikan tingkat kepuasan berdasarkan 5.000 ulasan dari platform Olist. Ulasan dikategorikan ke dalam tiga kelas, yaitu Tidak Puas, Netral, dan Puas. Pra-pemrosesan meliputi pembersihan data, ekstraksi fitur dengan TF-IDF, dan pembagian data 80% latih dan 20% uji. Evaluasi menggunakan metrik accuracy, precision, recall, F1-score, dan AUC. Naive Bayes menunjukkan akurasi lebih tinggi (80,70%) dibanding Decision Tree (73,90%) serta performa klasifikasi yang lebih stabil. Dengan demikian, Naive Bayes lebih efisien untuk klasifikasi kepuasan pelanggan berbasis teks pada ulasan e-commerce.

Zitieren

APA

Bamba, O. T., Vadila, N., Fitrawati, S., Tedang, V. W., & Asrawati (2025). Naive Bayes dan Decision Tree: Studi Kasus Klasifikasi Kepuasan Pelanggan E-Commerce. SIMKOM. https://doi.org/10.51717/simkom.v10i2.897

Vancouver

Bamba OT, Vadila N, Fitrawati S, Tedang VW, Asrawati. Naive Bayes dan Decision Tree: Studi Kasus Klasifikasi Kepuasan Pelanggan E-Commerce. SIMKOM. 2025. doi:10.51717/simkom.v10i2.897

BibTeX
@article{Bamba2025,
  author = {Bamba, Ofirmince Tulak and Vadila, Nur and Fitrawati, Sri and Tedang, Vilna Wati and Asrawati},
  title = {Naive Bayes dan Decision Tree: Studi Kasus Klasifikasi Kepuasan Pelanggan E-Commerce},
  journal = {SIMKOM},
  year = {2025},
  doi = {10.51717/simkom.v10i2.897}
}
Kostenlos starten →