Implementasi Rough Neural Network dalam Identifikasi Kepuasan Konsumen Mediasi Bisnis

Data mining menjadi topik hangat yang sangat bermanfaat di era saat ini. Sistem Artificial Neural Network (ANN) dan rough set yang merupakan metode data mining dapat digabungkan yang selanjutnya disebut sebagai metode Rough Neural Network (RNN). Siste, roughset dalam RNN berfungsi untuk mereduksi atribut untuk optimalisasi informasi sedangkan ANN berfungsi untuk membentuk jaringan dari kumpulan data reduksi tersebut. Metode ini dapat digunakan di berbagai bidang misalnya bisnis yakni dalam mengidentifikasi kepuasan konsumen. Perlindungan hak maupun kewajiban dalam bisnis adalah hal penting di negara maju, contohnya New York yang telah membentuk Departement of Consumen Affairs (DCA). Ribuan mediasi tercatat telah dilakukan oleh DCA New York sehingga pendekatan struktur terhadap kepuasan konsumen merupakan hal penting dalam meninjau apakah layanan mediasi yang dilakukan telah baik. Oleh karena itu, tujuan penelitian ini adalah mengimplementasikan metode RNN pada suatu dataset komplain konsumen terhadap pelayanan mediasi DCA New York. Hasil penelitian pada proses awal, rough set menunjukkan bahwa atribut yang efektif untuk menghasilkan kepuasan konsumen yang optimal adalah atribut Business State, Complaint Result, Duration of Mediation, dan Complaint Type. Eror yang dihasilkan pada jaringan tiruan kepuasan konsumen (Satisfaction) sebesar 345,828 dengan langkah yang dilalui untuk mencapai model yang mungkin adalah sebanyak 65137 langkah. Model RNN menunjukkan selisih eror yang kecil antara data latih dan data tes, artinya model RNN konsisten dalam memprediksi kepuasan konsumen untuk kedepannya.