Perbandingan Analisis Prediksi Kepuasan Pengguna Layanan Gofood Menggunakan Algoritma Knn & Naive Bayes Dengan Software Rapidminer

Abstract

GoFood merupakan penyedia layanan jasa yang memiliki peran sangat penting dalam kehidupan manusia, terutama pada era zaman yang semakin berkembang ini. Saat ini banyak penyedia layanan jasa yang berlomba-lomba untuk dapat memenuhi kebutuhan para pengguna, termasuk GoFood. Namun tidak semua penyedia layanan jasa dapat memenuhi dan mengetahui kebutuhan yang diperlukan oleh pengguna, dikarenakan mereka hanya fokus terhadap jasa yang ditawarkan dan mengesampingkan kualitas dari pelayanan yang diberikan. Oleh karena itu diperlukan analisis survey untuk memperoleh data kepuasan pelanggan yang akan digunakan untuk melakukan prediksi kepuasan pengguna layanan GoFood. Dengan menggunakan algoritma KNN dan Naive Bayes, dimana kedua algoritma ini merupakan algoritma yang baik untuk melakukan pengujian terhadap 1.000 record data pengguna GoFood yang telah diperoleh sebelumnya. Hasil pengujian dengan menggunakan Cross Validation dan T-Test menunjukkan bahwa algoritma KNN merupakan algoritma terbaik dengan Accuracy 98,80% dan Recall 100% sedangkan Naive Bayes memperoleh hasil Accuracy sebesar 94,10% dan Recall sebesar 94,43%.

GoFood is a service provider that has a very important role in human life, especially in this growing era. Currently, many service providers are competing to meet the needs of users, including GoFood. However, not all service providers can meet and know the needs needed by users, because they focus on the services offered and only the quality of services provided. Therefore, survey analysis is needed to obtain customer satisfaction data that will be used to satisfy GoFood service users. The classification method uses the KNN and Naive Bayes algorithms, which are good algorithms for testing 1,000 records of GoFood user data that have been obtained previously. The test results using Cross Validation and T-Test show that the KNN algorithm is the best algorithm with 98.80% Accuracy and 100% Recall, while Naive Bayes obtains 94.10% Accuracy and 94.43% Recall.