Menentukan Kualitas Pelayanan Maskapai Penerbangan Domestik Dengan Menggunakan Metode Naïve Bayes
Menentukan Kualitas Pelayanan Maskapai Penerbangan Domestik Dengan Menggunakan Metode Naïve Bayes
Abstract
Pihak Direktorat Jenderal Perhubungan Udara Regional Pekanbaru mempunyai wewenang terhadap semua aspek terkait dengan layanan angkutan udara dalam kawasannya. Secara berkala dan terus menerus, diperlukankan data terbaru terkait nilai standar kepuasan pengguna jasa angkutan udara, melalui persepsi masyarakat terhadap maskapai penerbangan yang digunakannya. Apabila tanggapan masyarakat terus bergerak positif sepanjang waktu, maka pihak Direktorat Jenderal Perhubungan Udara Regional Pekanbaru dapat meningkatkan standar kualitas pelayanan dari jasa maskapai penerbangan agar mampu menghadapi persaingan yang semakin kompetitif. Untuk itu, dengan adanya Sistem Pendukung Keputusan menggunakan metode Naïve Bayes ini dapat menentukan kualitas pelayanan maskapai penerbangan domestik serta menjadi dasar pengambilan keputusan oleh pihak Direktorat Jenderal Perhubungan Udara dalam meningkatkan standar kualitas maskapai penerbangan dosmetik pada setiap jasa maskapai penerbangan. Ada empat kriteria pemilihan kualitas maskapai penerbangan yaitu ketepatan waktu, harga tiket, pelayanan, dan kenyamanan yang dijadikan sebagai standar ukur dalam penilaian kualitas jasa penerbangan setiap maskapai. Keseluruhan data akan berkontribusi pada standar kualitas layanan penerbangan udara di Indonesia. Data dalam sistem ini memiliki 35 item data testing. Berdasarkan hasil perangkingan, maskapai yang memiliki kualitas baik adalah Citilink yang memperoleh nilai probabilitas tertinggi yaitu sebesar 5,67411158 dibanding dengan yang lainnya.
References
Aziziah, A. M. N. A., & Kustanto. (2016). Sistem Pendukung Keputusan Penyeleksian Mahasiswa Penerima Beasiswa Menggunakan Metode NaãVe Bayes Berbasis Web. Antivirus : Jurnal Ilmiah Teknik Informatika, 10(1), 6–10. https://doi.org/10.35457/antivirus.v10i1.82
Hadi, F., & Diana, Y. (2019). Sistem Pakar Diagnosa Penyakit Limfoma dengan Metode Certainty Factor. SATIN - Sains Dan Teknologi Informasi, 5(1).
Rahayu, S., & Sinaga, A. S. R. (2018). Penerapan Metode Naive Bayes Dalam Pemilihan Kualitas Jenis Rumput Taman CV. Rumput Kita Landscape. Jurnal Teknologi Informasi & Komunikasi Digital Zone, 9(2), 162–171.
Rahmaddeni, Sajali, D., & Agustin. (2018). Sistem Pendeteksi Tingkat Kesamaan Teks pada Pengusulan Proposal. SATIN - Sains Dan Teknologi Informasi, 4(2).
Saifudin, A. (2018). Metode Data Mining untuk Seleksi Calon Mahasiswa pada Penerimaan Mahasiswa Baru Di Universitas Pamulang. Jurnal Teknologi, 10(1), 25–36. https://doi.org/10.24853/jurtek.10.1.25-36
Saleh, A. (2015). Implementasi Metode Klasifikasi Naïve Bayes Dalam Memprediksi Besarnya Penggunaan Listrik Rumah Tangga. Citec Journal, 2(3).
Sharon, Ali, E., & Asri. (2016). Mengembangkan Sistem Aplikasi Layanan Administrasi Mahasiswa pada STMIK Amik Riau. SATIN - Sains Dan Teknologi Informasi, 2(1).
Suryadi, A., & Nurdiana, D. (2016). Sistem Pendukung Keputusan Seleksi Ujian Masuk Perguruan Tinggi Menggunakan Nbc (Naïve Bayes Classifier). Kinetik, 1(3), 173. https://doi.org/10.22219/kinetik.v1i3.120
Yasid, M., & Junaedi, L. (2019). Analisis Sentimen Maskapai Citilink Pada Twitter Dengan Metode Naãve Bayes. Jurnal Ilmiah Informatika, 7(02), 82. https://doi.org/10.33884/jif.v7i02.1329
Zulfikar, M., & Fahmi, H. (2019). Penerapan Sistem Pendukung Keputusan Dengan Metode Naïve Bayes Dalam Menentukan Kualitas Bibit Padi Unggul Pada Balai Pertanian Pasar Miring. Nasional Komputasi Dan Teknologi Informasi, 2(2).
