., RAKASONA (2024) PREDIKSI KEPUASAN PELANGGAN DI PT POS INDONESIA CABANG MAJALENGKA (45400) MENGGUNAKAN TEKNIK MACHINE LEARNING (TA.2.24.020). Diploma thesis, Universitas Logistik dan Bisnis Internasional.
Full text not available from this repository.Abstract
ABSTRAK Rakasona. 2024. Prediksi Kepuasan Pelanggan Di Pt Pos Indonesia Kantor Cabang Majalengka (45400) Menggunakan Teknik Machine Learning. Tugas Akhir, Prodi D4 Teknik Informatika Universitas Logistik dan Bisnis Internasional Bandung Penelitian ini bertujuan untuk memprediksi kepuasan pelanggan PT Pos Indonesia Kantor Cabang Majalengka menggunakan teknik Machine Learning. Dengan menganalisis data umpan balik pelanggan, penelitian ini mengimplementasikan tiga metode utama: K-Means Clustering, DBSCAN, dan Random Forest Regressor. K-Means berhasil mengidentifikasi kelompok pelanggan dengan tingkat kepuasan yang serupa, sementara DBSCAN efektif dalam menangani outliers dan mengidentifikasi data yang tidak biasa dengan hasil sillhoute score K-Means sebesar 0.6 dan DBSCAN 0.89.dan untuk memprediksi hasil dari data ini Random Forest Regressor digunakan untuk memprediksi kepuasan pelanggan dengan akurasi yang lebih tinggi, dengan hasil MAPE: 5.67 MSE: 4.99 R2 Score: 1.0 Hasil prediksi menunjukkan bahwa model sangat akurat, dengan kesalahan prediksi yang hampir tidak ada, dan mampu menjelaskan semua variabilitas data dengan sempurna, dimana hasil prediksi menjelaskan bahwa kolom “Alasan” merupakan variabel penting yang menentukan kualitas pelayanan apa yang harus di perhatikan dan harus diperbaiki hasil Penelitian ini dapat membantu perusahaan dalam meningkatkan strategi layanan pelanggan berdasarkan analisis prediktif yang akurat. Kata Kunci : Kepuasan Pelanggan, PT Pos Indonesia, Machine Learning, K-Means Clustering, DBSCAN, Random Forest Regressor, Analisis Data.
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Sekolah Vokasi > Teknik Informatika D4 |
| Depositing User: | Unnamed user with email [email protected] |
| Date Deposited: | 21 Nov 2024 06:40 |
| Last Modified: | 21 Nov 2024 06:40 |
| URI: | http://eprints.ulbi.ac.id/id/eprint/2680 |
Actions (login required)
 |
View Item |
