Implementasi Random Forest dalam Klasifikasi Kepuasan dan Masalah Pengguna pada Aplikasi Ujian Berbasis Data Mining
DOI:
https://doi.org/10.29407/noe.v8i02.25629Keywords:
aplikasi ujian online, klasifikasi, Random Forest, kepuasan pengguna, surveiAbstract
Peningkatan penggunaan aplikasi ujian daring memerlukan penilaian objektif mengenai tingkat kepuasan pengguna. Tujuan dari penelitian ini adalah untuk mengelompokkan kepuasan pengguna aplikasi ujian daring berdasarkan karakteristik pengguna seperti tingkat kelas, gender, dan frekuensi penggunaan aplikasi. Data dikumpulkan melalui kuesioner yang diisi oleh 144 responden, yang kemudian diproses dengan metode encoding dan normalisasi. Metode klasifikasi yang digunakan adalah Random Forest, yang menghasilkan akurasi mencapai 55% dengan tingkat pengembalian 70% untuk kategori puas. Temuan ini menunjukkan bahwa fitur-fitur dasar yang berhubungan dengan karakteristik pengguna dapat memberikan gambaran awal mengenai tingkat kepuasan, dan metode Random Forest dapat mengenali pola pengguna yang merasa puas dengan kinerja aplikasi. Penelitian ini diharapkan dapat menjadi dasar untuk pengembangan sistem evaluasi kepuasan yang lebih tepat dan fleksibel di masa yang akan datang.
References
N. R. Setyoningrum, “Analisis Tingkat Kepuasan Pengguna Sistem Informasi Ujian Akhir Semester (Siuas) Menggunakan Metode Service Quality (Servqual),” J. Bangkit Indones., vol. 7, no. 2, p. 33, 2019, doi: 10.52771/bangkitindonesia.v7i2.98.
S. Hendrian, “Algoritma Klasifikasi Data Mining Untuk Memprediksi Siswa Dalam Memperoleh Bantuan Dana Pendidikan,” Fakt. Exacta, vol. 11, no. 3, pp. 266–274, 2018, doi: 10.30998/faktorexacta.v11i3.2777.
E. F. Baharsyah, A. Armanto, T. H. B. Aviani, and C. Wulandari, “Analisis Sentimen Pengguna Terhadap Aplikasi Belajar Online Ruang Guru Pada Ulasan Google Play Store Menggunakan Algoritma Naïve Bayes dan Support Vector Machine,” Innov. J. Soc. Sci. Res., vol. 4, no. 3, pp. 2965–2979, 2024, [Online]. Available: https://j-innovative.org/index.php/Innovative/article/view/10769
A. Kisnu Darmawan and M. Makruf, “KLIK: Kajian Ilmiah Informatika dan Komputer Deteksi Gaya Belajar Siswa SMA pada Virtual Based Learning Environment(VBLE) dengan Decision Tree C4.5 dan Naive Bayes,” Media Online, vol. 3, no. 5, pp. 532–544, 2023, [Online]. Available: https://djournals.com/klik
V. No, N. R. Febriyanti, and A. D. Hartanto, “Edumatic : Jurnal Pendidikan Informatika Analisis Perbandingan Algoritma SVM , Random Forest dan Logistic Regression untuk Prediksi Stunting Balita,” vol. 9, no. 1, pp. 149–158, 2025, doi: 10.29408/edumatic.v9i1.29407.
A. Ristyawan, A. Nugroho, and T. K. Amarya, “Optimasi Preprocessing Model Random Forest Untuk Prediksi Stroke,” vol. 12, no. 1, 2025.
R. Adolph, “済無No Title No Title No Title,” vol. 12, no. 3, pp. 1–23, 2016.
I. Saputri et al., “EFFECTIVENESS HYPERPARAMETER TUNING ON RANDOM FOREST , LINEAR DISCRIMINANT ANALYSIS , LOGISTIC REGRESSION AND NAÏVE BAYES PENGARUH HYPERPARAMETER TUNING PADA ALGORITMA RANDOM FOREST , LDA , LOGISTIC REGRESSION DAN NAIVE BAYES UNTUK,” vol. 6, no. 1, pp. 87–103, 2025.
Y. A. Singgalen, “Penerapan Metode CRISP-DM dalam Klasifikasi Data Ulasan Pengunjung Destinasi Danau Toba Menggunakan Algoritma Naïve Bayes Classifier (NBC) dan Decision Tree (DT),” J. Media Inform. Budidarma, vol. 7, no. 3, p. 1551, 2023, doi: 10.30865/mib.v7i3.6461.
I. Adriansyah, M. D. Mahendra, E. Rasywir, and Y. Pratama, “Perbandingan Metode Random Forest Classifier dan SVM Pada Klasifikasi Kemampuan Level Beradaptasi Pembelajaran Jarak Jauh Siswa,” Bull. Informatics Data Sci., vol. 1, no. 2, p. 98, 2022, doi: 10.61944/bids.v1i2.49.
S. Puspitasari and W. Widayanto, “Analisis Faktor-Faktor Yang Memengaruhi Kepuasan Pengguna Layanan Go-Ride (Studi Pada Mahasiswa Fakultas Ilmu Sosial Dan Ilmu Politik Universitas Diponegoro),” J. Adm. Bisnis, vol. 8, no. 1, pp. 53–63, 2019, doi: 10.14710/jab.v8i1.23769.
“View of PENERAPAN ALGORITMA C4.5 UNTUK KLASIFIKASI KEPUASAN LAYANAN APLIKASI DEPOK SINGLE WINDOW.pdf.”
Downloads
Published
Issue
Section
License
Copyright (c) 2025 M. DIMAS UBAIDILAH, Ahmad Tohari, Sherla Dian Mutia, Muhammad Ferri Harmawan
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
How to Cite
