Library Automation and Digital Archive
LONTAR
Fakultas Ilmu Komputer
Universitas Indonesia

Pencarian Sederhana

Find Similar Add to Favorite

Call Number KA-1638 (Softcopy KA-1624) MAK KA-1275
Collection Type Karya Akhir (KA)
Title Klasifikasi Kategori Komplain Pada E-Commerce: Studi Kasus PT Bukalapak
Author Muhammad Yusuf Imam Itsari;
Publisher Jakarta : Program Studi Magister Teknologi Informasi Fasilkom UI, 2022
Subject E-Commerce
Location FASILKOM-UI-MTI;
Lokasi : Perpustakaan Fakultas Ilmu Komputer
Nomor Panggil ID Koleksi Status
KA-1638 (Softcopy KA-1624) MAK KA-1275 Ind TERSEDIA
Tidak ada review pada koleksi ini: 50760
ABSTRAK

Bukalapak merupakan salah satu perusahaan di Indonesia yang bergerak di bidang ECommerce. Tercatat pada tahun 2019, Bukalapak mengalami peningkatan pertumbuhan pengguna sebanyak 230% jika dibandingkan dengan tahun sebelumnya. Sayangnya pertumbuhan pengguna juga diikuti dengan peningkatan jumlah komplain yang terjadi di Bukalapak. Tercatat pada tahun 2020, komplain Bukalapak meningkat sebanyak 50% di akhir tahun 2020 jika dibandingkan dengan di awal tahun 2020. Peningkatan komplain tersebut menyebabkan meningkatnya average handle time pada komplain yang menyebabkan turunya kepuasan pengguna. Hal tersebut tentunya menjadi perhatian bagi pihak manajemen. Pada penelitian kali ini, dilakukan klasifikasi kategori komplain yang ada di Bukalapak. Penelitian ini bertujuan untuk mencari tahu, model klasifikasi apa yang cocok digunakan dalam menentukan kategori komplain yang masuk ke Bukalapak. Adapun model klasifikasi yang digunakan di dalam penelitian ini yaitu, Logistic Regression, k Nearest Neighbor, dan Support Vector Machine. Sedangkan data yang digunakan merupakan data komplain dari Januari 2021 hingga Desember 2021. Dari hasil penelitian, ditemukan bahwa model klasifikasi logistic regression memiliki nilai akurasi paling tinggi di antara 2 model lainya. Model logistic regression berhasil mendapatkan nilai akurasi sebesar 83,9%. Posisi kedua di tempati oleh model k Nearest Neighbors dengan akurasi sebesar 65,3%. Terakhir ditempati oleh model Support Vector Machine dengan nilai akurasi sebesar 40.5%.