Article Per Year (5 Year)
p-Index From 2019 - 2024
2.092
P-Index
This Author published in this journals
All Journal JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Matrik : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer International Journal of Natural Science and Engineering JURPIKAT (Jurnal Pengabdian Kepada Masyarakat) JSIKTI (Jurnal Sistem Informasi dan Komputer Terapan Indonesia) International Journal Of Computer, Network Security and Information System (IJCONSIST) Jurnal WIDYA LAKSMI (Jurnal Pengabdian Kepada Masyarakat)
Ni Wayan Wardani
STMIK STIKOM Indonesia
Computer Science & IT Dentistry Education Engineering Law, Crime, Criminology & Criminal Justice Public Health Social Sciences Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : International Journal of Natural Science and Engineering

 1 
Analisa Komparasi Algoritma Decision Tree C4.5 dan Naïve Bayes untuk Prediksi Churn Berdasarkan Kelas Pelanggan Retail Ni Wayan Wardani; Ni Kadek Ariasih
International Journal of Natural Science and Engineering Vol. 3 No. 3 (2019): October
Publisher : Lembaga Penelitian dan Pengabdian kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (894.76 KB) | DOI: 10.23887/ijnse.v3i3.23113

Abstract

Pelanggan adalah salah satu aset utama bagi perusahaan ritel. Perusahaan harus dapat mengenali bagaimana karakter pelanggan mereka sehingga mereka dapat mempertahankan pelanggan yang sudah ada agar tidak berhenti membeli dan pindah ke perusahaan ritel yang bersaing (churn). Salah satu model yang tepat untuk mengenali karakter pelanggan adalah model RFM (Recency, Frekuensi, Moneter). Model RFM mampu menghasilkan kelas pelanggan dan di setiap kelas pelanggan dapat dianalisis atau diprediksi dengan konsep data mining apakah pelanggan tetap sebagai pelanggan atau churn. Data yang digunakan berasal dari data pelanggan dan data penjualan di UD. Mawar Sari. Kelas pelanggan UD Mawar Sari yang dihasilkan dari model RFM adalah Dormant, Everyday, Golden dan Superstar. Konsep data mining dengan membangun model prediksi dalam penelitian ini menggunakan algoritma Decision Tree C4.5 dan Naïve Bayes. Di semua kelas pelanggan kinerja Algoritma Naïve Bayes lebih baik daripada Algoritma Decision Tree C4.5 dengan Recall 95,92%, Precision 84,15%, dan Accuracy 83,49% dan kelas pelanggan yang memiliki potensi churn tinggi adalah Dormant B, Dormant E, dan Dormant F.Kata Kunci: Prediksi Churn, RFM, C4.5, Naïve Bayes
Co-Authors Darmansah Gede Surya Mahendra I Dewa Made Krishna Muku I Gede Andika I Gusti Ayu Agung Diatri Indradewi Ketut Laksmi Maswari Khairunisa Samosir M Yoka Fathoni Ni Kadek Ariasih Ni Luh Wiwik Sri Rahayu Ginantra Ni Made Mila Rosa Desmayani, Ni Made Mila Rosa Putu Gede Surya Cipta Nugraha Saraswati, Ni Wayan Sumartini