NEURAL NETWORK DENGAN ALGORITMA GENETIKA SEBAGAI PEMILIHAN FITUR PADA PREDIKSI LOYALITAS PELANGGAN

Wibowo, Setyoningsih NEURAL NETWORK DENGAN ALGORITMA GENETIKA SEBAGAI PEMILIHAN FITUR PADA PREDIKSI LOYALITAS PELANGGAN. MAJALAH ILMIAH PAWIYATAN.

[img]
Preview
Text
Doc_Majalah Pawiyatan.pdf

Download (1MB) | Preview

Abstract

Loyalitas pelanggan adalah kesetiaan seseorang terhadap suatu barang atau jasa tertentu. Tingkat loyalitas pelanggan yang mereka miliki merupakan aset perusahaan yang berharga nilainya. Namun tingkat loyalitas pelanggan mengalami fluktuasi kepercayaan pelanggan terhadap pelayanan perusahaan telekomunikasi. Ketatnya persaingan bisnis diantara perusahaan telekomunikasi ini membuat pelanggan memiliki banyak pelanggan dan dapat dengan mudah melakukan perpindahan dari satu layanan ke layanan yang lain dari perusahaan tersebut. Pada penelitian prediksi loyalitas pelanggan dengan menggunakan neural network, ada beberapa metode yang digunakan tetapi dalam pemilihan fiturnya masih ditentukan sendiri yaitu dengan menghilangkan beberapa fitur yang dianggap tidak penting atau tidak relevan. Algoritma genetika adalah salah satu metode pemilihan fitur yang baik, oleh karena itu pemilihan fitur dari neural network akan dipilih dengan menggunakan algoritma genetika. Neural network dengan algoritma genetika sebagai pemilihan fiturnya memiliki nilai akurasi yang lebih tinggi dibandingkan hanya menggunakan neural network. Hal ini terbukti dari peningkatan rata-rata akurasi untuk neural network sebesar 86.54% dan nilai akurasi rata-rata neural network dengan algoritma genetika sebesar 90.75% dengan rata-rata selisih akurasi sebesar 4.22%.

Item Type: Article
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions: Fakultas Teknik dan Informatika > Informatika
Fakultas Teknik dan Informatika > Informatika
Depositing User: Setyo Ningsih Wibowo
Date Deposited: 05 Nov 2017 04:41
Last Modified: 05 Nov 2017 04:41
URI: http://eprints.upgris.ac.id/id/eprint/137

Actions (login required)

View Item View Item