Prediksi Kepuasan Tenant Pada Gedung Wisma Keiai Menggunakan Algoritma C4.5

Nurul Afni, Melan Susanti, Zulfajri Zulfajri

Sari


Prediksi kepuasan tenant terhadap gedung yang akan disewa sangat dibutuhkan perusahaan penyedia jasa termasuk building management pada Gedung Wisma Keiai. Dengan adanya prediksi kepuasan tenant dapat membantu manajemen untuk meningkatkan kepuasan tenant di gedung tersebut. Penelitian ini bertujuan untuk menganalisis kepuasan Tenant pada gedung Wisma Keiai dengan menggunakan teknik data mining dengan metode algoritma C4.5. Atribut yang akan digunakan sebagai masukan kepuasan tenant dalam penelitian ini mencangkup fasilitas gedung, pelayanan dan daya tanggap. Dalam penelitian ini, didapatkan bahwa hasil yang didapatkan berasal dari beberapa atribut masukan menghasilkan hubungan sebab-akibat dalam mengklasifikasikan konsumen puas dan tidak puas. Penelitian ini diharapkan dapat membantu pihak Gedung Wisma Keiai dalam meningkatkan kepuasan tenant untuk mempertahankan tenant dan meningkatkan keuntungan perusahaan tersebut. Data kuisioner sebanyak 50 tenant yang didapat dari penilaian tenant di Gedung Wisma Keiai yaitu 41 tenant puas dan 9 tenant tidak puas. Berdasarkan hasil perhitungan klasifikasi menggunakan algoritma C4.5 menunjukkan bahwa diperoleh akurasi mencapai 100.00% yang menunjukkan bahwa algoritma C4.5 cocok digunakan untuk mengukur tingkat kepuasan tenant di Gedung Wisma Keiai.

Teks Lengkap:

PDF

Referensi


Christie, D. A., Baskoro, D. A., Ambarwati, L., & Wicaksana, I. W. S. (2013). Belajar Data Mining Dengan Rapid Miner. Jakarta: Gramedia Pustaka Utama.

Grabczewski, K. (2014). Meta-Learning in Decision Tree tnduction. Studies in Computational Intelligence. https://doi.org/10.1007/978-3-319-00960-5

Irfiani, E. (2014). Prediksi Keluhan Pelanggan Pada Apartemen Menggunakan Algoritma C4.5. Jurnal Paradigma, XVI(2), 13–20.

Kamagi, D. H., & Hansun, S. (2014). Implementasi Data Mining dengan Algoritma C4.5 untuk Memprediksi Tingkat Kelulusan Mahasiswa. Jurnal ULTIMATICS, 6(1), 15–20. https://doi.org/10.31937/ti.v6i1.327

Kusrini, & Luthfi, E. T. (2009). Algoritma Data Mining. Yogyakarta: Andi.

Santoso, T. B. (2011). Analisa Dan Penerapan Metode C4.5 Untuk Prediksi Loyalitas Pelanggan. Jurnal Ilmiah Fakultas Teknik LIMIT’S, 10(1).

Suyanto. (2017). Data Mining Untuk Klasifikasi dan Klasterisasi Data. Bandung: Informatika Bandung.

Vulandari, T. R. (2017). Data Mining, Teori dan Aplikasi Rapirminer. In Data Mining, Teori dan Aplikasi Rapirminer.




DOI: https://doi.org/10.31294/infortech.v2i2.9247

DOI (PDF): https://doi.org/10.31294/infortech.v2i2.9247.g4560

Refbacks

  • Saat ini tidak ada refbacks.


Dipublikasikan oleh LPPM Universitas Bina Sarana Informatika

Jl. Kramat Raya No.98, Kwitang, Kec. Senen, Kota Jakarta Pusat, DKI Jakarta 10450
Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License