ANALYSIS OF ONLINE TRANSPORTATION CUSTOMER SATISFACTION WITH THE APPLICATION OF TEXT CLASSIFICATION USING KNN METHOD

  • Ermin Ermin Universitas Muhammadiyah Sorong
  • Rendra Soekarta Universitas Muhammadiyah Sorong
  • La Jupriadi Fakhri Universitas Muhammadiyah Sorong
  • Muhammad Jundullah Universitas Muhammadiyah Sorong
  • Dwi Retno Irianto Universitas Muhammadiyah Sorong
Abstract views: 61 , PDF downloads: 43
Keywords: Klasifikasi, Go-Jek, K-Nearest Neighbor, Streamlit

Abstract

Gojek merupakan transportasi online yang memanfaatkan aplikasi untuk melayani Pengguna (masyarakat). Layanan aplikasi Gojek memiliki layanan yang terbatas pada ojek online. Perkembangan pada jasa layanan didukung dengan pembayaran transaksi non tunai (GoPay), untuk mempermudah trasaksi para pelanggan. Untuk mengklasifikasikan kepuasan pelanggan digunakan metode K-Nearest Neighbor (KNN). Dalam penelitian ini, penggunaan metode KNN dipilih karena sederhana dan intuitif, cocok untuk data teks, dapat menangani data tidak seimbang, dan memiliki kemampuan untuk mengatasi data baru. Selain itu, KNN juga dapat digunakan sebagai baseline yang cukup baik dalam membandingkan performa dengan metode-metode lain dalam klasifikasi kepuasan pelanggan transportasi online berdasarkan ulasan atau komentar. Web yang dibangun menggunakan library dari python yaitu streamlit. Dataset yang digunakan dari penelitian ini adalah data hasil scraping ulasan gojek dari google play store sebanyak 4000 ulasan. Pengujian dilakukan mengambil salah satu ulasan terbaru bintang 1 dan salah satu ulasan bintang 5 yang relevan, Hasil yang didapatkan menunjukan bahwa ulasan tersebut dapat di klasifikasi sebagai puas dan tidak puas dengan nilai akurasi 84,08%.

Downloads

Download data is not yet available.

References

[1] M. Ali, A. Kharis, and D. Karlina, “Faktor-Faktor Yang Menjadi Pertimbangan Dalam Penggunaan Jasa Ojek Online (Go-Jek) Di Kota Mataram,” JIAP (Jurnal Ilmu Adm. Publik), vol. 6, no. 2, p. 75, 2019, doi: 10.31764/jiap.v6i2.641.
[2] D. R. Alghifari, M. Edi, and L. Firmansyah, “Implementasi Bidirectional LSTM untuk Analisis Sentimen Terhadap Layanan Grab Indonesia,” vol. 12, pp. 89–99, 2022.
[3] N. Handayani and L. I. Prahartiwi, “Analisis Penerimaan Teknologi E-Wallet Gopay Dengan Technology Acceptance Model (Tam),” IJIS - Indones. J. Inf. Syst., vol. 9, no. 1, p. 47, 2024, doi: 10.36549/ijis.v9i1.303.
[4] N. Y. Mahirah S and M. R. Slamet, “Pengaruh Harga, Kualitas Layanan, dan Citra Merek Terhadap Minat Beli Menggunakan Transportasi Online Di Kota Batam,” J. Appl. Manag. Account., vol. 7, no. 1, pp. 133–142, 2023, doi: 10.30871/jama.v7i1.5302.
[5] Muhammad Rifan Mutaqin, Mochamad Malik Akbar Rohandi, and Septiana Ayu Estri Mahani, “Pengaruh Harga dan Kualitas Pelayanan Terhadap Keputusan Pembelian Transportasi Online Indrive di Bandung,” J. Ris. Manaj. dan Bisnis, pp. 69–78, 2023, doi: 10.29313/jrmb.v3i2.2824.
[6] W. Raudhatul Hikmah, J. Aurelia Wijaya, A. Aulia Hidayah, R. Anugrah Syaputra, and M. Abdullah, “Perspektif Kepuasan Pelanggan PT. Arrazi Ghirah Medika: Peran Fundamental Kualitas Produk Dan Kualitas Pelayanan Dalam Mewujudkannya,” Manaj. J. Ekon., vol. 6, no. 1, pp. 42–54, 2024, doi: 10.36985/v1f3yg63.
[7] F. F. Muryan Awaludin1, Hari Mantik2, “Penerapan Metode Servqual Pada Skala Likert Untuk Mendapatkan Kualitas Pelayanan Kepuasan Pelanggan,” J. Sist. Inf. Univ. Suryadarma, vol. 10, no. 1, 2014, doi: 10.35968/jsi.v10i1.990.
[8] A. P. Sudaryanto and S. Hanny, “Manajemen Sumber Daya Manusia Sektor Publik Menghadapi Kemajuan Kecerdasan Buatan (Artificial Intelligence),” Musamus J. Public Adm., vol. 6, no. 1, pp. 513–521, 2023, doi: 10.35724/mjpa.v6i1.5402.
[9] J. Bharadiya, “Machine Learning in Cybersecurity: Techniques and Challenges,” Eur. J. Technol., vol. 7, no. 2, pp. 1–14, 2023, doi: 10.47672/ejt.1486.
[10] R. S. Michalski, “Learnable evolution model: evolutionary processes guided by machine learning,” Mach. Learn., vol. 38, no. 1, pp. 9–40, 2000, doi: 10.1023/a:1007677805582.
[11] R. Alfarez, R. Rianto, and V. Purwayoga, “Penerapan Naïve Bayes untuk Prediksi Customer Churn (Studi Kasus: PT Hutchison 3 Indonesia),” J. Ris. dan Apl. Mhs. Inform., vol. 5, no. 2, pp. 301–307, 2024, doi: 10.30998/jrami.v5i2.8556.
[12] M. M. Baharuddin, H. Azis, and T. Hasanuddin, “Analisis Performa Metode K-Nearest Neighbor Untuk Identifikasi Jenis Kaca,” Ilk. J. Ilm., vol. 11, no. 3, pp. 269–274, 2019, doi: 10.33096/ilkom.v11i3.489.269-274.
[13] F. Putri Tunggadewi and H. Pudjoprastyono, “Pengaruh Promosi dan E-Service Quality terhadap Minat Beli Ulang Penggunaan Gopay,” Al-Kharaj J. Ekon. Keuang. Bisnis Syariah, vol. 5, no. 1, pp. 406–422, 2022, doi: 10.47467/alkharaj.v5i1.1603.
[14] T. Syafira and I. Zufria, “Implementasi Text Mining Dalam Penentuan Kinerja Layanan Antara Grab dan Gojek Berdasarkan Opini Masyarakat Menggunakan LDA,” J. Inf. Syst. Res., vol. 5, no. 2, pp. 666–675, 2024, doi: 10.47065/josh.v5i2.4833.
[15] I. H. Kusuma and N. Cahyono, “Analisis Sentimen Masyarakat Terhadap Penggunaan E-Commerce Menggunakan Algoritma K-Nearest Neighbor,” J. Inform. J. Pengemb. IT, vol. 8, no. 3, pp. 302–307, 2023, doi: 10.30591/jpit.v8i3.5734.

PlumX Metrics

Published
2024-11-29
How to Cite
[1]
E. Ermin, R. Soekarta, L. Jupriadi Fakhri, M. Jundullah, and D. Retno Irianto, “ANALYSIS OF ONLINE TRANSPORTATION CUSTOMER SATISFACTION WITH THE APPLICATION OF TEXT CLASSIFICATION USING KNN METHOD”, antivirus, vol. 18, no. 2, pp. 244-252, Nov. 2024.