Analisis Klasifikasi Tingkat Kepuasan Pelanggan Maskapai Menggunakan Algoritma Decision Tree

M. Fajar Hafidz Bale(1*), Zaehol Fatah(2)


(1) Universitas ibrahimy
(2) Universitas ibrahimy
(*) Corresponding Author

Abstract


Memahami beberapa sikap pelanggan terhadap layanan sangat penting bagi bisnis Maskapai untuk terus meningkatkan kualitas layanan dan mengatasi keluhan pelanggan. Tujuan dari penelitian ini adalah untuk menganalisis tingkat kepuasan Maskapai dengan menggunakan algoritma Pohon Keputusan. Data untuk penelitian ini berasal dari hasil survei yang mencakup sejumlah topik, termasuk waktu tunggu kabin, ketepatan waktu, fasilitas, dan kenyamanan. Algoritma pohon keputusan digunakan karena dapat menghasilkan model klasifikasi yang mudah dipahami dengan keputusan aturan yang jelas. Temuan penelitian menunjukkan bahwa faktor-faktor yang paling memengaruhi kepuasan pelanggan adalah waktu tidur, waktu kabin, dan waktu duduk mereka. Model klasifikasi yang dikembangkan menggunakan algoritma Pohon Keputusan mencapai tingkat akurasi XX% (berdasarkan hasil uji coba). Hasil penelitian ini dapat digunakan sebagai panduan bagi Maskapai dalam meningkatkan kualitas layanan sesuai dengan faktor-faktor yang memiliki dampak terbesar pada kepuasan pelanggan.


Full Text:

PDF

References


P. Thongkruer and S. Wanarat, “The Relationship between Air Travel Service Quality and Factors of Theory of Planned Behavior: Evidence from Low-Cost Airlines in Thailand,” Sustain., vol. 15, no. 11, 2023, doi: 10.3390/su15118839.

F. A. Julan Hernadi, “Jurnal Ilmiah Matematika Prediksi Tingkat Kepuasan Pelanggan Maskapai Penerbangan,” vol. 11, no. 2, pp. 87–93, 2024.

Y. Hendra Kusuma, S. Supraapto, and Y. Setiawan, “Analisis Kepuasan Penumpang pada Maskapai Penerbangan Menggunakan Algoritma C4.5 dan Naïve Bayes,” SENTIMAS Semin. Nas. Penelit. dan Pengabdi. Masy., pp. 162–171, 2022, [Online]. Available: https://journal.irpi.or.id/index.php/sentimas/article/view/320/125

D. S. Suprapto and R. Oetama, “Analysis of Airline Passenger Satisfaction Using Decision Tree and Naïve Bayes Algorithms,” J. Inform. Ekon. Bisnis, vol. 5, pp. 1493–1500, 2023, doi: 10.37034/infeb.v5i4.728.

M. H. Setiono, “a Komparasi Algoritma Decision Tree, Random Forest, Svm Dan K-Nn Dalam Klasifikasi Kepuasan Penumpang Maskapai Penerbangan,” INTI Nusa Mandiri, vol. 17, no. 1, pp. 32–39, 2022, doi: 10.33480/inti.v17i1.3420.

Putri Ayu Firnanda, Litasya Shofwatillah, Fauziah Rahma, and Fatkhurokhman Fauzi, “Analisis Perbandingan Decision Tree dan Random Forest dalam Klasifikasi Penjualan Produk pada Supermarket,” Emerg. Stat. Data Sci. J., vol. 3, no. 1, pp. 445–461, 2025, doi: 10.20885/esds.vol3.iss.1.art2.

Aileen Chun Yueng Hong, K. W. KHAW, XINYING CHEW, and WAI CHUNG YEONG, “Prediction of US airline passenger satisfaction using machine learning algorithms,” Data Anal. Appl. Math., vol. 4, no. 1, pp. 8–24, 2023, doi: 10.15282/daam.v4i1.9071.

D. K. Barupal and O. Fiehn, “Generating the blood exposome database using a comprehensive text mining and database fusion approach,” Environ. Health Perspect., vol. 127, no. 9, pp. 2825–2830, 2019, doi: 10.1289/EHP4713.

A. I. Fadri, A. Zahfran, T. Irak, N. H. Firjatullah, and J. E. Herianto, “Comparison of Supervised Learning Algorithms for Predicting Airline Passenger Satisfaction,” IJATIS Indones. J. Appl. Technol. Innov. Sci., vol. 2, no. 1, pp. 42–52, 2025, doi: 10.57152/ijatis.v2i1.1868.

Y. Komalasari, N. R. Puspitasari, and C. Chalimatusadiah, “Penerapan Algoritma C4.5 Untuk Menentukan Kepuasan Pengguna Aplikasi E-Open Study Kasus : Kelurahan Jati Makmur,” Comput. Sci., vol. 4, no. 2, pp. 163–172, 2024, doi: 10.31294/coscience.v4i2.3387.

Yuliantini, O. Olfebri, A. Gunawan, and B. Fahriza, “The Analysis of On-Time Performance, Service Quality, Brand Image, and Promotion on Passenger Loyalty through Passenger Satisfaction,” J. Ilm. Manaj. Kesatuan, vol. 13, no. 4, pp. 2079–2096, 2025, doi: 10.37641/jimkes.v13i4.3598.

Auliyya Mujahidin Faruq As-syafiqi and Irwina Meilani, “Pengaruh Kualitas Pelayanan Cabin Crew Terhadap Kepuasan Pelanggan Garuda Indonesia,” MAMEN J. Manaj., vol. 1, no. 2, pp. 198–205, 2022, doi: 10.55123/mamen.v1i2.231.

A. Angel and D. E. Herwindiati, “Perbandingan Algoritma K-NN, SVM, dan Decision Tree dalam Klasifikasi Kelenjar Tiroid,” J. Teknol. Dan Sist. Inf. Bisnis, vol. 6, no. 4, pp. 866–871, 2024, doi: 10.47233/jteksis.v6i4.1651.

B. Soekarno-hatta, A. Rahmawati, R. Zachri, and M. Zaini, “Optimalisasi Kepuasan Penumpang Melalui Teknologi Layanan dan Peningkatan on Time Performance pada Scoot Airlines di,” vol. 7, no. 1, pp. 1–7, 2025.

A. P. Permana, K. Ainiyah, and K. F. H. Holle, “Analisis Perbandingan Algoritma Decision Tree, kNN, dan Naive Bayes untuk Prediksi Kesuksesan Start-up,” JISKA (Jurnal Inform. Sunan Kalijaga), vol. 6, no. 3, pp. 178–188, 2021, doi: 10.14421/jiska.2021.6.3.178-188.


Article Metrics

Abstract view : 17 times
PDF - 11 times

DOI: https://doi.org/10.26714/jkti.v4i1.19652

Refbacks

  • There are currently no refbacks.


=======================================================================================

Penerbit:

  • JKTI | Jurnal Komputer dan Teknologi Informasi
  • Program Studi S1 Informatika,  Unimus| Universitas Muhammadiyah Semarang
  • Sekretariat: Gedung Kuliah Bersama II (GKB II) Lantai 7,  Jl. Kedungmundu Raya No 18 Semarang
  • email: jkti@unimus.ac.id | informatika@unimus.ac.id, Phone: + +62 813 2504 3677
  • e-ISSN: 2986-7592

Paper Template: Download

View My Stats

------------------------------------------------------------------------------------------------------------------------------------------------------