IMPLEMENTASI METODE DECISION TREE UNTUK PREDIKSI TINGKAT KEPUASAAN PENGUNJUNG DI CAFE TEMAN NONGKRONG

TRIA SYAHPUTRI, NPM 2209100130 (2026) IMPLEMENTASI METODE DECISION TREE UNTUK PREDIKSI TINGKAT KEPUASAAN PENGUNJUNG DI CAFE TEMAN NONGKRONG. Skripsi thesis, Universitas Labuhanbatu.

	Text COVER.pdf Download (856kB)
	Text BAB I.pdf Download (262kB)
	Text BAB II.pdf Download (292kB)
	Text BAB III.pdf Download (486kB)
	Text BAB IV.pdf Download (1MB)
	Text BAB V.pdf Download (99kB)
	Text DAFTAR PUSTAKA.pdf Download (162kB)

Abstract

Penelitian ini bertujuan untuk menganalisis tingkat kepuasan pelanggan berdasarkan beberapa variabel yang memengaruhi dengan menggunakan pendekatan data mining. Permasalahan yang diangkat berfokus pada bagaimana mengklasifikasikan data kepuasan pelanggan secara efektif dan akurat. Landasan teori yang digunakan dalam penelitian ini meliputi konsep data mining, khususnya teknik klasifikasi menggunakan algoritma Decision Tree. Selain itu, digunakan juga pemahaman mengenai pengolahan data serta metode evaluasi model untuk memastikan hasil yang diperoleh dapat diukur secara objektif. Pada tahap analisis dan perancangan, dilakukan proses pengumpulan data, preprocessing, serta perancangan model menggunakan aplikasi RapidMiner dengan operator yang sesuai. Selanjutnya, data diolah melalui tahapan klasifikasi sehingga menghasilkan model yang mampu memprediksi tingkat kepuasan pelanggan berdasarkan variabel yang digunakan. Hasil klasifikasi menunjukkan bahwa sebagian besar data termasuk dalam kategori puas, sedangkan sebagian lainnya termasuk dalam kategori tidak puas berdasarkan hasil prediksi model. Evaluasi model dilakukan menggunakan confusion matrix yang menghasilkan tingkat akurasi yang tinggi, sehingga menunjukkan bahwa model yang dibangun memiliki kinerja yang baik. Faktor-faktor seperti rasa, pelayanan, kebersihan, dan harga menu menjadi variabel utama yang memengaruhi hasil klasifikasi. Kesimpulan dari penelitian ini adalah metode Decision Tree efektif digunakan dalam mengklasifikasikan tingkat kepuasan pelanggan serta memberikan hasil evaluasi yang baik. Model yang dihasilkan juga dapat menjadi acuan dalam pengambilan keputusan untuk meningkatkan kualitas layanan. Kata Kunci: Data Mining, Decision Tree, Klasifikasi, Kepuasan Pelanggan, RapidMiner ============================================= This study aims to analyze customer satisfaction levels based on several influencing variables using a data mining approach. The problem raised focuses on how to classify customer satisfaction data effectively and accurately. The theoretical basis used in this study includes data mining concepts, specifically classification techniques using the Decision Tree algorithm. Furthermore, an understanding of data processing and model evaluation methods are used to ensure the results obtained can be measured objectively. In the analysis and design stage, data collection, preprocessing, and model design are carried out using the RapidMiner application with appropriate operators. Next, the data is processed through a classification stage to produce a model capable of predicting customer satisfaction levels based on the variables used. The classification results show that most of the data falls into the satisfied category, while others fall into the dissatisfied category based on the model's prediction results. Model evaluation was conducted using a confusion matrix which produced a high level of accuracy, thus indicating that the built model has good performance. Factors such as taste, service, cleanliness, and menu prices are the main variables that influence the classification results. The conclusion of this study is that the Decision Tree method is effective for classifying customer satisfaction levels and provides good evaluation results. The resulting model can also be used as a reference in decision-making to improve service quality. Keywords: Data Mining, Decision Tree, Classification, Customer Satisfaction, RapidMiner

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	Data Mining, Decision Tree, Klasifikasi, Kepuasan Pelanggan, RapidMiner============Data Mining, Decision Tree, Classification, Customer Satisfaction, RapidMiner
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General) Z Bibliography. Library Science. Information Resources > Z665 Library Science. Information Science Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4050 Electronic information resources Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4450 Databases
Divisions:	Fakultas Sains Dan Teknologi > Sistem Informasi
Depositing User:	Unnamed user with email repository@ulb.ac.id
Date Deposited:	16 Apr 2026 07:20
Last Modified:	16 Apr 2026 07:20
URI:	http://repository.ulb.ac.id/id/eprint/2126

Actions (login required)

View Item