Penerapan Metode Algoritma C4.5 untuk Menganalisis Kepuasan Penumpang MRT Jakarta di Stasiun Istora Mandiri

research
  • 11 Mar
  • 2022

Penerapan Metode Algoritma C4.5 untuk Menganalisis Kepuasan Penumpang MRT Jakarta di Stasiun Istora Mandiri


Pandemi COVID-19 telah menjadi momok bagi banyak penurunan bisnis diberbagai bidang, tidak terkecuali bagi MRT Jakarta yang juga terkena dampak dari berkurangnya jumlah penumpang harian. Jika sebelum pandemi rata-rata jumlah harian penumpang MRT Jakarta mampu menembus 100.000 per harinya, kini terjun bebas hingga 20.000 penumpang per harinya. Untuk itu lah diperlukan peningkatan pelayanan serta keamanan yang bedasarkan pada peraturan kesehatan yang telah ditetapkan oleh pemerintah, agar masyarakat kembali nyaman dalam menggunakan transportasi publik. Untuk itu, pengukuran tingkat kepuasan penumpang perlu dilakukan secara berkala, teratur, akurat dan berkesinambungan. Tujuan penelitian ini adalah untuk mengetahui variable apa saja yang menjadi acuan bagi peningkatan kualitas pelayanan agar dapat meningkatkan kembali jumlah penumpang MRT Jakarta di Stasiun Istora Mandiri agar tepat sasaran juga sebagai salah satu syarat kelulusan Strata Satu (S1) program studi Sistem Informasi Universitas Nusa Mandiri Jakarta. Pada umumnya banyak cara untuk mempertahankan penggunanya, namun dalam kasus ini penulis menggunakan metode klasifikasi data mining untuk memprediksi kepuasan penumpang terhadap kualitas pelayanan MRT Jakarta di Stasiun Istora Mandiri dengan menggunakan menggunakan algoritma C4.5. Terbukti penggunaan algoritma C4.5 dapat membantu Stasiun Istora Mandiri dalam meningkatkan pelayanan sesuai dengan hasil survey yang telah dilakukan. Berdasarkan hasil perhitungan, didapatkan nilai gain tertinggi adalah variabel Unik Bank dengan nilai 0,32984607 dan untuk indikator kepuasan lainnya penumpang menyatakan puas terhadap keamanan, keselamatan, fasilitas, peralatan, dan penampilan petugas. Sedangkan yang masih perlu ditingkatkan adalah informasi pada public announcement yang kadang terdengar kurang jelas, sehingga informasi yang ditangkap kurang maksimal. Hasil dari perhitungan algoritma C4.5 memudahkan pihak Stasiun Istora Mandiri untuk mengetahui faktor utama agar dapat meningkatkan pelayanan, sehingga jika akan mengadakan pelatihan dalam rangka meningkatkan pelayanan dapat dipilih materi yang sesuai dengan hasil algoritma C4.5 agar tepat sasaran.


Unduhan

 

REFERENSI


[1]      M. Metode and C. Algoritma, “Analisis Kepuasan Konsumen Terhadap Pelayanan Bengkel,” vol. 2, no. 1, pp. 31–38.


[2]      A. S. Febriarini and E. Z. Astuti, “Penerapan Algoritma C4.5 untuk Prediksi Kepuasan Penumpang Bus Rapid Transit (BRT) Trans Semarang,” Eksplora Inform., vol. 8, no. 2, pp. 95–103, 2019, doi: 10.30864/eksplora.v8i2.156.


[3]      M. A. C, J. T. Informasi, and F. T. U. Widyagama, “Penerapan Data Mining Untuk Menganalisis Kepuasan Konsumen Menggunakan,” vol. 3, no. 3, pp. 34–38, 2018.


[4]      C. Terhadap, K. Pelanggan, and S. Kamera, “KLASIFIKASI DATA MINNING MENGGUNAKAN ALGORITMA,” vol. 4, no. 1, pp. 38–45, 2019.


[5]      Dimas Bayu Febriyanto, “Implementasi Algoritma C4 . 5 Untuk Klasifikasi Tingkat Kepuasan Pembeli Online Shop,” J. Ris. Komput., vol. 5, no. 6, pp. 569–575, 2018.


[6]      N. Lutfiyana, “Penerapan Algoritma C4.5 Berbasis Particle Swarm Optmization Untuk Prediksi Hasil Layanan Kemudaha Donasi Zakat Dan Program,” J. Pilar Nusa Mandiri, vol. 14, no. 1, pp. 103–110, 2018.


[7]      S. Kasus and S. Pringsewu, “Analisis Kepuasan Mahasiswa Terhadap Pelayanan Akademik Menggunakan Metode Algoritma C4.5 (Studi Kasus: Universitas Pringsewu),” J. Teknol. Inf. Magister Darmajaya, vol. 2, no. 01, pp. 1–11, 2016.


[8]      P. Telkom and D. A. N. Biznet, “IMPLEMENTASI SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN PENGGUNA TWITTER TERHADAP,” vol. 15, no. 2, pp. 171–176, 2019, doi: 10.33480/pilar.v15i2.699.


[9]      J. L. Putra et al., “IMPLEMENTASI ALGORITMA APRIORI TERHADAP DATA PENJUALAN,” vol. 15, no. 1, pp. 85–90, 2019.


[10]    S. T. Bangsa and S. Utara, “Analisa Kepuasan Pelanggan Menggunakan Klasifikasi Data Mining,” vol. 2, no. 1, pp. 41–48, 2020.


[12]    N. Lutfiyana and S. Informasi, “OPTMIZATION UNTUK PREDIKSI HASIL LAYANAN KEMUDAHAN,” vol. 14, no. 1, pp. 103–110, 2018.


[13]    D. A. Muthia and M. Informasi, “KOMPARASI ALGORITMA KLASIFIKASI TEXT MINING UNTUK ANALISIS,” vol. 14, no. 1, pp. 69–74, 2018.


[14]    D. B. Febriyanto, L. Handoko, and H. Aisyah, “Implementasi Algoritma C4 . 5 Untuk Klasifikasi Tingkat Kepuasan Pembeli Online Shop,” vol. 5, no. 6, pp. 569–575, 2018.


[15]    J. Penelitian et al., “Harry Dhika Tarigan, 2 Fitriana Destiawati, 3 Aswin Fitriansyah,” pp. 80–86, 2014.


Cari

Bidang Ilmu

Kategori

Kiriman Terbaru