ANALISIS PERBANDINGAN ALGORITMA NAIVE BAYES, J48,DAN RANDOM FOREST TREE DALAM PENINGKATAN LOYALITAS PELANGGAN UMKM DENGAN VOUCHER BELANJA
| Main Authors: | Cendana, Maya, Permana, Silvester Dian Handy |
|---|---|
| Format: | Article info application/pdf eJournal |
| Bahasa: | eng |
| Terbitan: |
Politeknik Negeri Batam
, 2019
|
| Online Access: |
https://jurnal.polibatam.ac.id/index.php/JI/article/view/1157 https://jurnal.polibatam.ac.id/index.php/JI/article/view/1157/912 |
Daftar Isi:
- Information technology has been used for a long time for MSME businesses. Many people who have MSME businesses use online stores to promote their businesses. To be able to attract old customers to shop back to the online store, one of them is by giving a shopping voucher. Shopping vouchers are given to existing customers who have the potential to shop back to online stores. In determining which customer is the right data mining algorithm is needed to find the right information where the customer can shop again. But the error of choosing an algorithm can result in not being optimal in the projected income. In this study, we will analyze and compare the Naive Bayes, J48, and Random Forest Tree algorithms for case studies of online stores. This study involved 7 criteria that would be used to become material in data processing. From the results of this study, a random forest tree is the best algorithm to determine the potential of online store customers. The results of this study are used to help the decision-making process of giving shopping vouchers to customers so that MSME businesses can run and get optimal profits
- Teknologi informasi sudah digunakan sejak lama untuk bisnis UMKM. Banyak masyarakat yang memiliki bisnis UMKM menggunakan toko online untuk mempromosikan bisnisnya. Untuk dapat menarik pelanggan yang lama agar berbelanja kembali ke toko online, salah satunya dengan memberikan voucher belanja. Voucher belanja diberikan untuk pelanggan lama yang mempunyai potensial untuk berbelanja kembali ke toko online. Dalam menentukan pelanggan mana yang tepat dibutuhkan algoritma penambangan data untuk mencari informasi yang tepat di mana pelanggan tersebut dapat berbelanja kembali. Namun kesalahan memilih algoritma dapat mengakibatkan tidak optimalnya pendapatan yang diproyeksikan. Dalam penelitian ini akan menganalisis dan membandingkan algoritma Naive Bayes, J48, dan Random Forest Tree untuk studi kasus toko online. Penelitian ini melibatkan 7 kriteria yang akan digunakan untuk menjadi bahan dalam pengolahan data. Dari hasil penelitian ini didapatkan random forest tree adalah algoritma terbaik untuk menentukan potensial dari pelanggan toko online. Hasil penelitian ini digunakan untuk membantu proses pengambilan keputusan pemberian voucher belanja kepada pelanggan agar bisnis UMKM dapat berjalan dan mendapatkan keuntungan yang optimal.