ANALISI KUALIFIKASI PELANGGAN PT LINTASARTA DENGAN PENDEKATAN TEKNIK KLASIFIKASI DATA (Studi Kasus Pada Cabang PT Lintasarta Palembang)

AZHARI, MUHAMMAD (2025) ANALISI KUALIFIKASI PELANGGAN PT LINTASARTA DENGAN PENDEKATAN TEKNIK KLASIFIKASI DATA (Studi Kasus Pada Cabang PT Lintasarta Palembang). Other thesis, UNIVERSITAS BINA DARMA.

[img] Text (BAB 0)
0.pdf

Download (969kB)
[img] Text (BAB 1)
1.pdf

Download (687kB)
[img] Text (DAFTAR PUSTAKA)
D.pdf

Download (641kB)
[img] Text (FULLBAB SKRIPSI)
F_compressed (37).pdf
Restricted to Repository staff only

Download (5MB)
[img] Text (LAMPIRAN)
L.pdf

Download (1MB)

Abstract

Penelitian ini bertujuan untuk menganalisis data pelanggan PT Lintasarta Palembang menggunakan algoritma klasifikasi C4.5, Naïve Bayes, K-Nearest Neighbor (KNN), dan Neural Network yang diimplementasikan melalui perangkat lunak RapidMiner. Data yang digunakan adalah data pelanggan yang berkaitan dengan penggunaan layanan, dengan tujuan untuk mendukung Customer Relationship Management (CRM) perusahaan. Penelitian dilakukan melalui proses data mining yang mencakup tahap data cleaning, data reduction, klasifikasi, dan evaluasi. Hasil penelitian menunjukkan bahwa algoritma Neural Network memiliki performa terbaik dengan nilai akurasi 99,83% dan AUC 1,000 yang termasuk kategori excellent classification. Algoritma C4.5 memperoleh akurasi 99,66% dengan AUC 0,999, Naïve Bayes mencapai akurasi 97,65% dengan AUC 0,999, sedangkan KNN mendapatkan akurasi 94,53% dengan AUC 0,981. Dengan demikian, Neural Network direkomendasikan sebagai algoritma yang paling optimal untuk mendukung klasifikasi pelanggan PT Lintasarta Palembang.

Item Type: Thesis (Other)
Uncontrolled Keywords: Data Mining, CRM, Klasifikasi, Neural Network, Lintasarta Palembang
Subjects: Z Bibliography. Library Science. Information Resources > ZA Information resources
Divisions: Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User: Miss Marina Ina
Date Deposited: 26 Jun 2026 09:41
Last Modified: 26 Jun 2026 09:41
URI: http://repository.binadarma.ac.id/id/eprint/9745

Actions (login required)

View Item View Item