Analisis Tingkat Kesukaan Konsumen dengan Metode Bayesian Network (Studi Kasus Produk Biskuit)

Abstract

Analisis tingkat kesukaan konsumen terhadap suatu produk merupakan salah satu cara yang dilakukan produsen dalam mengevaluasi produk. Analisis ini memberikan penilaian pada berbagai aspek produk. Hasil penilaian ini penting bagi produsen untuk memperbaiki aspek yang harus ditingkatkan agar produknya tetap disukai konsumen. Pada umumnya data tentang tingkat kesukaan berskala ordinal. Salah satu metode yang dapat digunakan untuk menganalisisnya adalah Bayesian Network (BN). Simple-Naïve Bayesian merupakan metode BN yang sering digunakan, tetapi asumsi kebebasan antar-peubah penjelas pada metode ini sering tidak terpenuhi sehingga berkembang berbagai metode alternatif untuk mengatasinya. Beberapa metode alternatif tersebut adalah BN Terboboti dengan algoritma Maximum Spanning Tree, Equivalence Classes, dan Semi-Naïve Bayesian dengan algoritma Backward Sequential Elimination (BSE), Forward Sequential Selection (FSS). Penelitian ini bertujuan untuk menerapkan dan membandingkan metode berdasarkan tingkat akurasi klasifikasi terbesar dalam klasifikasi tingkat kesukaan, serta menganalisis perubahan persentase pada setiap peubah. Hasil penelitian menunjukkan bahwa metode yang memberikan tingkat akurasi terbesar dalam klasifikasi tingkat kesukaan adalah Metode Semi-Naïve Bayesian dengan algoritma BSE sebesar 94%. Struktur BN yang terbentuk merupakan struktur yang sama dengan simple-naïve Bayesian. Tingkat akurasi pada penelitian ini bernilai maksimum saat semua peubah penjelas dihubungkan dengan peubah respon. Aspek yang memiliki kontribusi terbesar pada tingkat kesukaan produk biskuit yang diteliti adalah rasa keju.