Implementasi Data Mining Dalam Menganalisis Tingkat Kepuasan Pelanggan Menggunakan Metode Rough Set

Authors

  • Febrina Sari

DOI:

https://doi.org/10.24002/jbi.v8i1.1071

Abstract

Abstract.

PT. Pusako Tarinka is a company engaged in lodging services. The company always tries to maintain a good reputation for its customers. Good quality service will give better satisfaction to the customers who use the services of the company. However, the company does not have a measuring tool to determine the level of customer satisfaction with the services rendered. Rough set is one method of data mining related to analysis and data classification categories and aims to synthesize approach to the concept of a table of data obtained. Rough set discovers hidden relationships of the data set and reduct classification attributes of a series of attributes, and reduct will produce general rule. The results illustrate that the level of customer satisfaction confidence is a major factor in determining the level of customer satisfaction which is then supported by the integrity, pride, and passion.

Keywords: Data Mining, Rough Set, Customer Satisfaction.

Abstrak.

PT. Pusako Tarinka merupakan perusahaan yang bergerak di bidang jasa. Kegiatan utama PT. Pusako Tarinka adalah memberikan pelayanan jasa penginapan. Perusahaan selalu berusaha untuk mempertahankan reputasi yang baik di mata pelanggannya. Kualitas pelayanan yang baik akan memberikan kepuasan lebih kepada pelanggan yang menggunakan jasa perusahaan tersebut. Namun perusahaan tidak memiliki alat ukur untuk mengetahui tingkat kepuasan pelanggan terhadap pelayanan yang telah diberikan. Rough Set merupakan salah satu metode data mining yang berkaitan dengan analisis kategori dan klasifikasi data dan bertujuan untuk mensintesis pendekatan konsep dari tabel data yang diperoleh. Rough set menemukan hubungan tersembunyi dari kumpulan data dan reduct atribut dari serangkaian klasifikasi atribut, dan reduct tersebut akan menghasilkan general rule. Hasil rule tingkat kepuasan pelanggan menggambarkan bahwa confidence (kepercayaan) adalah dimensi utama dalam penentuan tingkat kepuasan pelanggan yang kemudian didukung oleh integrity (integritas), pride (kebanggaan), dan passion (keinginan).

Kata kunci: Data Mining, Rough Set, Kepuasan Pelanggan.

References

Alcala, J., Fernandez, A., Luengo, J., Derrac, J., Gracia, S., Sanchez, L. & Herrera, F. 2010. Keel Data-Mining Software Tool: Data Set Repository, Integration of Algorithms and Experimental Analysis Framework. Journal of Multiple-Valued Logic and Soft Computing, 17: 255-287.

Aryani, D. & Rosinta, F. 2010. Pengaruh Kualitas Layanan terhadap Kepuasan Pelanggan dalam Membentuk Loyalitas Pelanggan. Jurnal Ilmu Administrasi dan Organisasi, Volume 17, Nomor 2, hlm, 114-126.

Baradwaj, B.K. & Pal, S. 2011. Data Mining: A Prediction for Performance Improvement using Classification. International Journal of Computer science and Information Security, 9(4): 136-140.

Desyanti, 2015. Analisa Karakteristik Dosen Dalam Pemilihan Kandidat Rektor Menggunakan Metode Rough Set. JUTEKINF, Vol. 2, No.1 (Juli). ISSN: 2355-1887.

Fleming, J.H. & Asplund, J. 2007. Customer Satisfaction: A Flawed Measure. Gallup Management Journal: 13th September. New York: Gallup Press.

Goele, S., & Chanana, N. 2012. Data Mining Trend In Past, Current And Future. International Journal of Computing & Business Research, September 13, 2007.

Han, J. & Kamber, M. 2006. Data Mining: Concepts and Techniques, Morgan Kaufmann Publishers Inc, San Francisco, CA, USA, 2nd edition.

Hartama, D & Hartono. 2016. Analisa Kinerja Dosen STMIK IBBI Dengan Menggunakan Metode Rough Set. Seminar Nasional Teknologi Informasi dan Multimedia 2016, ISSN: 2302-3805, pp 49-54.

Li, T., Ruan, D., Geert, W., Song, W., & Xu, Y, 2007, A rough set based characteristic relation approach for dynamic attribute generalization in data mining. Knowledge based system 20 (2007) 485-494.

Listiana, N., Anggraeni, W., & Mukhlason, A. 2011. Implementasi algoritma rough set untuk deteksi dan penanganan dini penyakit sapi. Skripsi, Sistem Informasi, Institut Teknologi Sepuluh Nopember Surabaya, (Online), (http://digilib. its. ac. id/implementasi-algoritma-rough-set-untuk-deteksi-dan-penanganan-dini-penyakit-sapi-16046. Html)

Lindawati. 2008. Data Mining dengan Teknik Clustering Dalam Pengklasifikasian Data Mahasiswa Studi Kasus Prediksi Lama Studi Mahasiswa Universitas Bina Nusantara, Seminar Nasional Informatika 2008 (semnasIF 2008), ISSN: 1979-2328, pp 174-180.

Mabrur, A.G. & Lubis, R. 2012, Penerapan Data Mining untuk Memprediksi Kriteria Nasabah Kredit, Jurnal Komputer dan Informatika (KOMPUTA), Edisi 1, Volume 1, Maret 2012, 53-57.

Mehta, B.N. 2011. Predictive Data Mining and discovering hidden values of Data warehouse, ARPN Journal of Systems and Software, Volume 1 No.1 pp 140-146.

Pawlak, Z. 2000. A Primer On Rough Set: A New Approach To Drawing Conclusion From Data. Cardozo L. Rev. Vol. 22:1407.

Santosa, Y.P. 2013. Pengaruh Kualitas Pelayanan Terhadap Kepuasan Pelanggan Pengguna Jasa Parkir, (Online), (http://www.slideshare.net/yoansantoso/jurnal-pengaruh-kualitas-pelayanan-terhadap-kepuasan-pelanggan-pengguna-jasa-parkir-studi-pada-mahasiswa-universitas-kanjuruhan-malang, diakses 14 april 2016).

Sugiyono. 2009. Metode Penelitian Kuantitatif Kualitatif dan R&D, Bandung: Alfabeta, Cet. Ke 8, h.137.

Sutomo, M. 2012. Kepuasan Pelanggan Menginap Di Hotel Berbintang di Daerah Istimewa Yogyakarta. Jurnal Bisnis dan Manajemen Vol.6 No.1, pp 79-93.

Tjiptono, F. 2008. Service Management. Andi, Yogyakarta.

Woro, M. & Farida, N. 2013. Pengaruh Nilai Pelanggan dan Kualitas Layanan Terhadap Loyalitas Pelanggan, Melalui Kepuasan Pelanggan Pada Pelanggan Bus Efisiensi (Studi PO Efisiensi Jurusan Yogyakarta-Cilacap). Jurnal Administrasi Bisnis, Volume 2, Nomor 1, pp 64-75.

Downloads

Published

2017-01-31