Penerapan Data Mining untuk Prediksi Kepuasan Pelanggan UKM Warung Kopi Menggunakan Metode Naive Bayes

Abstract

Kepuasan pelanggan merupakan faktor krusial dalam menjaga keberlanjutan bisnis, terutama bagi Usaha Kecil dan Menengah (UKM) seperti warung kopi yang bergantung pada loyalitas pelanggan. Namun, banyak UKM masih menggunakan pendekatan manual dalam menganalisis survei, yang kurang efektif dalam menghasilkan informasi prediktif. Penelitian ini bertujuan untuk mengembangkan model prediksi kepuasan pelanggan menggunakan algoritma Naive Bayes, dengan studi kasus pada sebuah warung kopi di Taman Burung Waduk Pluit, Jakarta Utara. Data dikumpulkan melalui kuesioner yang mencakup lima aspek: kualitas produk, layanan, suasana, harga, dan kebersihan. Algoritma Naive Bayes dipilih karena efisiensinya dalam pemrosesan data dan kemampuannya menghasilkan klasifikasi yang akurat. Kinerja model dibandingkan dengan algoritma Decision Tree dan Regresi Logistik. Hasil menunjukkan bahwa model Naive Bayes mencapai akurasi sebesar 96,05%, serta berhasil mengidentifikasi variabel yang paling berpengaruh terhadap kepuasan pelanggan. Temuan ini memberikan kontribusi penting dalam penerapan pengambilan keputusan berbasis data di sektor UKM, khususnya dalam meningkatkan kualitas layanan dan loyalitas pelanggan.