OPTIMISASI METODE PREDIKSI PADA DATA CUSTOMER ATTACK LIST

Penulis

  • Delly Asep Gustira UNIVERSITAS MERCU BUANA JAKARTA
  • Ardiansyah Dores UNIVERSITAS MERCU BUANA JAKARTA

Abstrak

Kunjungan pelanggan di bengkel resmi TOYOTA untuk servis terdata oleh sistem aplikasi. Pengelolaan data pelanggan /data seranganlist diperlukan oleh tim perbaikan umum , untuk melakukan tindak lanjut berupa konfirmasi pemberitahuan-penjadwalan servis selanjutnya. Proses ini sudah berjalan selama kurun waktu 2 tahun, namun hasil penjadwalan kedatangan kunjungan servis pelanggan belum sesuai dari total data pelanggan ( Attacklist ) yang dikonfirmasi. Penelitian ini dilakukan untuk memprediksi variabel waktu servis, menggunakan metode eksplorasi jarak dan analisa data ( EDA ), membuat model algoritma Linear Regression, Random Forest Regressor dan Gradient Boosting Regressor yang digunakan untuk prediksi. Dengan menggunakan metodologi Cross-Industry Standard Process for Data Mining ( CRISP-DM ). Nilai prediksi yang dihasilkan oleh setiap model algoritma, untuk variabel rentang_hari (waktu servis selanjutnya) memiliki akurasi yang mendekati nilai aktual/sebenarnya. Sehingga penelitian ini merekomendasikan penggunaan model algoritma, yang dapat diterapkan pada sistem aplikasi yang ada. Sehingga optimalisasi data pelanggan/ Attacklist bersinergi dengan proses bisnis yang berjalan.

Biografi Penulis

Delly Asep Gustira, UNIVERSITAS MERCU BUANA JAKARTA

STUDENT FASILKOM SISTEM INFORMASI

Ardiansyah Dores, UNIVERSITAS MERCU BUANA JAKARTA

Senior Lecturer Department of Information System Faculty of Computer Science - Universitas Mercu Buana

##submission.downloads##

Diterbitkan

2025-08-21