KLASIFIKASI PELANGGAN RENTAL MOBIL KUDUS JAYA TRANSPORT MENGGUNAKAN NAIVE BAYES CLASSIFIER

22043499, Heriyanto Wibowo (2013) KLASIFIKASI PELANGGAN RENTAL MOBIL KUDUS JAYA TRANSPORT MENGGUNAKAN NAIVE BAYES CLASSIFIER. Final Year Projects (S1) thesis, Universitas Kristen Duta Wacana.

	Text (Skripsi Informatika) 22043499_Bab1_Bab5_Daftarpustaka.pdf Download (2MB)
	Text (Skripsi Informatika) 22043499_Bab2-sd-Bab4_Lampiran.pdf Restricted to Registered users only Download (3MB) | Request a copy

Abstract

Informasi merupakan kebutuhan utama suatu perusahaan, salah satunya adalah rental mobil. Lalu masalah muncul ketika mobil disewa oleh pelanggan yang cenderung merugikan dan bagaimana memberikan servis yang terbaik pada pelanggan. Pelanggan dikelompokkan dalam 3 (tiga) golongan, yaitu kelompok pelanggan yang baik, sedang, atau merugikan. Mobil juga dikelompokkan dalam 3 (tiga) golongan, yaitu kelompok baru, sedang, atau lama. Metode yang digunakan, yaitu Naive Bayes Classifier. Pengklasifikasian pelanggan tidak dengan data seluruh pelanggan, tapi hanya terhadap data pelanggan itu sendiri. Pelanggan baru tidak melalui proses Naive Bayes Classifier, berapapun nilai parameter yang terdapat pada pelanggan baru akan langsung dimasukkan dalam kelompok 1. Agar rental tidak mengalami rugi dengan kehilangan pelanggan, pelanggan baru dapat menyewa mobil. Hasil analisa menunjukkan bahwa Naive Bayes Classifier mampu mengelompokkan pelanggan lama pada kelompok pelanggan tertentu. Kelompok 1 sebesar 51,85%, kelompok 2 sebesar 40,74% dan kelompok 3 hanya 7,41%. Kelompok klasifikasi pelanggan sangat ditentukan oleh tingkat resiko. Metode Naive Bayes Classifier juga dapat mengelompokkan mobil pada kelompok mobil tertentu hingga sebesar 50% pada kelompok 2, 30% pada kelompok 1 dan 20% pada kelompok 3. Sistem dapat mengenali pelanggan baru dan Naive Bayes Classifier tidak cocok untuk diterapkan pada pelanggan baru. Metode Naive Bayes Classifier mampu mengklasifikasikan pelanggan lama dengan data pelanggan itu sendiri hingga 51,85% pada kelompok 1 dan mengklasifikasikan mobil hingga sebesar 50% pada kelompok 2.

Actions (login required)

View Item