Analisis Klasifikasi Layanan Postpaid Menggunakan Algoritma KNN, Decision Tree, dan Naive Bayes

Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja ketiga algoritma tersebut dalam mengklasifikasikan layanan postpaid, melalui analisis ini, diharapkan dapat ditemukan algoritma yang paling tepat dan efektif untuk diterapkan dalam konteks klasifikasi pelanggan postpaid. Data yang diteliti adalah data penjualan layanan postpaid pada bulan Juli dan Agustus pada tahun 2023, yang terdiri dari 1.768 data dengan total 5 variabel. Penelitian ini menunjukan hasil dari pengujian yang dilakukan memperoleh nilai akurasi untuk model KNN sebesar 95%, model Decision Tree sebesar 81%, dan model Naïve Bayes sebesar 61%. Model yang paling bagus untuk menganalisis dataset dalam penelitian ini adalah algoritma K-Nearest Neighbour (KNN), hal ini dapat dikarenakan kesesuaian ukuran dan kualitas dataset dengan model KNN, melalui struktur data yang baik dan kelas yang dapat dipisahkan dengan baik, KNN cenderung memiliki kinerja yang baik karena prediksi model berdasarkan pada sampel terdekat.

link jurnal https://ejournal.poltekharber.ac.id/index.php/smartcomp/index