Implementasi Algoritma Naive Bayes terhadap kepuasan penumpang pesawat

Indo:
Transportasi udara merupakan moda transportasi yang banyak digunakan sehinggan layanan menjadi faktor penting dalam menjaga kepuasan penumpang. Dengan meningkatnya jumlah penumpang setiap tahun, maskapai perlu memahami faktor-faktor yang memengaruhi kepuasan pelanggan. Penelitian ini bertujuan untuk menerapkan algoritma Naive bayes dalam pengklasifikasian tingkat kepuasan penumpang pesawat serta mengevaluasi tingkat akurasinya. Data yang digunakan adalat dataset “Airline Passenger Satisfaction” dari Kaggle yang berjumlah 103.904 data penumpang dengan 23 atribut terkait karakteristik dan pengalaman layanan penerbangan. Penelitian ini menggunakan pendekatan kuantitatif melalui tahapan preprocessing, perhitungan probabilitas prior, estimasi likelihood menggunakann fungsi densitas Gauss, dan proses klasifikasi dengan algoritma Naive bayes. Evaluasi model dilakuka menggunakan confusion matrix dan k-fold cross validation. Hasil penelitian menunjukkan bahwa model menghasilkan akurasi sebesar 86% pada confusion matrix dan rata-rata akurasi 86.42% pada k-fold cross validation, yang mengindikasikan bahwa algoritma Naive bayes memiliki performa yang baik dalam memprediksi kepuasan penumpang. Model ini diharapkan dapat memberikan kontribusi bagi pihak maskapai dalam mengidentifikasi faktor layanan yang berpengaruh serta mendukung pengambilan keputusan untuk meningkatkan kualitas pelayanan.

Eng:
Air transportation plays a significant role in modern mobility, making service quality a crucial factor in maintaining passenger satisfaction. As the number of airline passengers continues to increase each year, airlines must understand the factors that influence customer satisfaction. This study aims to apply the Naive bayes algorithm to classify airline passenger satisfaction and to evaluate its predictive accuracy. The dataset used in this research is the “Airline Passenger Satisfaction” dataset from Kaggle, consisting of 103.904 passenger records with 23 attributes related to demographic characteristics and flight service experiences. This study employs a quantitative approach involving data preprocessing, calculation of prior probabilities, likelihood estimation using the Gaussian density function, and classification using the Naive bayes algorithm. Model performance was evaluates using a confusion matrix and k-fold cross validation. The results indicate that the model achieved an accuracy of 86% based on the confusion matrix and an average accuracy of 86.42% using k-fold cross validation, demonstrating that the Naive bayes algorithm axhibits strong predictive capability in classifying passenger satisfaction. This model is expected to provide valuable insights for airline companies in identifying influential service factors and supporting strategic decision making to enhance service quality

Arab:
تُعدّ وسائل النقل الجوي من أهم وسائل التنقّل في العصر الحديث، الأمر الذي يجعل جودة الخدمات عاملًا حاسمًا في الحفاظ على رضا الركاب. ومع الزيادة المستمرة في عدد المسافرين جوًا كل عام، تبرز الحاجة إلى توظيف أساليب تحليل البيانات لفهم العوامل المؤثرة في رضا العملاء. تهدف هذه الدراسة إلى تطبيق خوارزمية نايف بايز (Naïve Bayes) في تصنيف رضا ركاب الطائرات وتقييم كفاءتها التنبؤية. وقد استخدمت الدراسة مجموعة البيانات Airline Passenger Satisfaction المتاحة على منصة Kaggle، والتي تتضمن 103904 سجلات للركاب و 23 خاصية مرتبطة بالصفات الديموغرافية وتجربة السفر الجوي. تعتمد هذه الدراسة منهجًا تجريبيًا كميًا يشمل معالجة البيانات، حساب احتمالات القبلية (Prior Probability)، تقدير احتمالات الترجيح باستخدام دالة الكثافة الغاوسية، ثم إجراء عملية التصنيف بواسطة خوارزمية نايف بايز. وتم تقييم أداء النموذج باستخدام مصفوفة الارتباك وتقنية التحقق المتقاطع (k-fold cross validation). أظهرت النتائج أن النموذج حقق دقة بلغت %86، بينما بلغت الدقة المتوسطة باستخدام التحقق المتقاطع %86.42، مما يدل على كفاءة خوارزمية نايف بايز في التنبؤ برضا الركاب. وتساهم هذه النتائج في دعم شركات الطيران عبر تحديد العوامل الأكثر تأثيرًا في رضا العملاء، بما يمكّنها من اتخاذ قرارات استراتيجية لتحسين جودة الخدمات المقدمة.