Klasifikasi Pengguna Pada Aplikasi Carsworld Dengan Menggunakan Algoritma Hybrid C4.5 Decision Tree – Split Feature Preprocessing

Putra, Dimas Setya Prawira (2021) Klasifikasi Pengguna Pada Aplikasi Carsworld Dengan Menggunakan Algoritma Hybrid C4.5 Decision Tree – Split Feature Preprocessing. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 09211950095013-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2023. Download (2MB) | Request a copy

Abstract

Meningkatnya popularitas penggunaan aplikasi mobile sejak beberapa tahun ini membuat beberapa perusahaan mulai melakukan pengembangan aplikasi mobile untuk dapat menjangkau pelanggan yang lebih luas. PT Carsworld Digital Indonesia (CDI) mengembangkan aplikasi Carsworld yang dapat digunakan oleh penggunanya untuk melakukan pemesanan servis mobil di bengkel-bengkel rekanan yang telah terdaftar pada aplikasi tersebut. Dari banyak pengguna yang telah terdaftar pada aplikasi Carsworld, terdapat pengguna yang hanya mengakses aplikasi tanpa melakukan pemesanan servis dan pengguna yang melakukan pemesanan servis pada aplikasi. Hal ini merupakan permasalahan yang perlu diselesaikan oleh perusahaan. Perusahaan perlu mengetahui karakteristik dari pengguna yang melakukan servis atau yang tidak sehingga perusahaan dapat menyiapkan strategi yang dapat diaplikasikan kepada tiap kelompok pengguna. Diharapkan dari strategi itu pengguna yang tidak melakukan servis dapat diarahkan untuk melakukan servis dan bagi pengguna yang telah melakukan servis dapat kembali memesan servis di kemudian hari. Penelitian ini bertujuan untuk membantu perusahaan dengan mengklasifikasi pengguna aplikasi Carsworld yang melakukan pemesanan servis atau tidak, berdasarkan log aktifitas pengguna ketika mengakses aplikasi. Metode klasifikasi yang digunakan pada penelitian ini adalah decision tree dengan algoritma C4.5. Metode decision tree dipilih karena metode ini memiliki kemampuan untuk memecah proses pengambilan keputusan yang kompleks menjadi lebih simpel, sehingga dapat lebih mudah menginterpetasikan solusi dari permasalahan. Untuk menentukan jumlah variabel yang dapat menghasilkan model yang paling optimal, akan dilakukan split feature reduction model pada tahap preprocessing. Dari hasil penelitian diperoleh model prediksi decision tree yang memiliki akurasi sebesar 83.5%.
=========================================================
The increasing popularity of the use of mobile applications in recent years has led several companies to start developing mobile applications to reach a wider range of customers. PT Carsworld Digital Indonesia (CDI) developed the Carsworld application which can be used by its users to make car service orders at partner workshops that have been registered in the application. Of the many users who have registered with the Carsworld application, there are users who only access the application without ordering services and users who order services on the application. This is a problem that needs to be resolved by the company. Companies need to know the characteristics of users who perform services or not so that companies can prepare strategies that can be applied to each user group. It is hoped that from this strategy, users who do not perform service can be directed to perform service and for users who have performed service can return to order service at a later date. This study aims to help companies by classifying Carsworld application users who order services or not, based on the user activity log when accessing the application. The classification method used in this study is a decision tree with a C4.5 algorithm. The decision tree method was chosen because this method has the ability to break down complex decision-making processes into simpler ones, so that it can be easier to interpret solutions to problems. To determine the number of variables that can produce the most optimal model, a split feature reduction model will be carried out at the preprocessing stage. From the research results obtained decision tree prediction model which has an accuracy of 85.5%.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	aplikasi mobile, pemesanan servis, log aktifitas, decision tree, mobile app, service booking, activity log, decision tree
Subjects:	T Technology > T Technology (General) > T57.5 Data Processing
Divisions:	Faculty of Creative Design and Digital Business (CREABIZ) > Technology Management
Depositing User:	Dimas Setya Prawira Putra
Date Deposited:	14 Aug 2021 03:32
Last Modified:	14 Aug 2021 03:32
URI:	http://repository.its.ac.id/id/eprint/86085

Actions (login required)

View Item