Implementasi Gabungan Metode Klasterisasi dan Asosiasi untuk Analisis Data Survei Kepuasan Pelanggan

Abstract

Salah satu cara yang umum digunakan untuk mengukur tingkat kepuasan pelanggan, yaitu dengan melalui pelaksanaan survei kepuasan pelanggan. Survei kepuasan pelanggan diadakan secara berkala oleh penyedia layanan, contohnya, yaitu Universitas Negeri Surabaya Survei tersebut terdiri dari 23 instrumen pertanyaan yang menggunakan Skala Likert sebagai skala penilaian, di mana mahasiswa berperan sebagai responden (pelanggan) yang berjumlah sebanyak 29.409 responden. Metode asosiasi akan diterapkan terhadap data untuk menemukan hubungan keterkaitan tersembunyi di baliknya. Namun, dengan jumlah responden penelitian sedemikian banyak, memungkinkan terciptanya sejumlah variasi data mengenai penilaian mahasiswa terhadap pelayanan akademik yang diberikan oleh perguruan tinggi.  Oleh karena itu, metode klasterisasi akan diterapkan terlebih dahulu untuk meminimalisir munculnya rules yang tidak relevan. Berdasarkan hasil penelitian, clustered data dari hasil implementasi algoritma K-Means, yang terdiri dari 3 cluster, memiliki silhouette score tertinggi, yaitu 0,641. Selanjutnya, algoritma Apriori akan diterapkan terhadap clusters tersebut, sehingga menghasilkan aturan asosiasi yang bermakna. Pertama. Cluster 1 (Sangat Puas), menghasilkan 3 rules dengan rule terbaiknya yang memiliki nilai support sebesar 88% dan confidence sebesar 96%. Kedua, Cluster 2 (Puas), menghasilkan 4 rules dengan rule terbaiknya yang memiliki nilai support sebesar 76% dan confidence sebesar 96%. Ketiga, Cluster 3 (Kurang Puas), menghasilkan 3 rules dengan rule terbaiknya yang memiliki nilai support sebesar 54% dan confidence sebesar 86%.

Kata Kunci : klasterisasi, asosiasi, survei kepuasan pelanggan, layanan, skala Likert