Analisis Kelas Penerbangan Menggunakan Regresi Logistik Ordinal pada Dataset Airline Passenger Satisfaction
Silvia Tri Maharani (24031554028), Herlin Salwa Fadhilah (24031554197), Ayu Satiti (24031554204)
2026-04-30
Dataset yang digunakan adalah Airline Passenger Satisfaction Survey, berisi hasil survei kepuasan penumpang maskapai penerbangan dengan total 103.904 observasi pada data training.
Keterangan Variabel:
Variabel Target (Y): Class sebagai indikator kelas penerbangan penumpang. Terdiri dari tiga kategori berurutan yaitu Eco < Eco Plus < Business.
Variabel Prediktor (X): Variabel yang digunakan meliputi faktor demografi, karakteristik perjalanan, layanan, dan operasional, yaitu: Age, Flight Distance, business_travel, loyal, Inflight wifi service, Seat comfort, Inflight entertainment, On-board service, Food and drink, Cleanliness, Departure Delay, satisfaction_bin.
Load Library
library(MASS)## Warning: package 'MASS' was built under R version 4.5.3library(dplyr)## Warning: package 'dplyr' was built under R version 4.5.3##
## Attaching package: 'dplyr'## The following object is masked from 'package:MASS':
##
## select## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionlibrary(ggplot2)
library(car)## Warning: package 'car' was built under R version 4.5.3## Loading required package: carData## Warning: package 'carData' was built under R version 4.5.3##
## Attaching package: 'car'## The following object is masked from 'package:dplyr':
##
## recodelibrary(caret)## Loading required package: latticelibrary(brant)## Warning: package 'brant' was built under R version 4.5.3library(tidyr)
library(kableExtra)## Warning: package 'kableExtra' was built under R version 4.5.3##
## Attaching package: 'kableExtra'## The following object is masked from 'package:dplyr':
##
## group_rowsLoad Data
train <- read.csv("train.csv") %>% na.omit()
test <- read.csv("test.csv") %>% na.omit()
prepare_data <- function(df) {
df$Class <- factor(df$Class, levels = c("Eco", "Eco Plus", "Business"), ordered = TRUE)
df$loyal <- ifelse(df$Customer.Type == "Loyal Customer", 1, 0)
df$business_travel <- ifelse(df$Type.of.Travel == "Business travel", 1, 0)
df$satisfaction_bin <- ifelse(df$satisfaction == "satisfied", 1, 0)
return(df)
}
train <- prepare_data(train)
test <- prepare_data(test)Kode tersebut membaca data training dan testing, lalu menghapus nilai kosong agar data bersih. Selanjutnya, melalui fungsi prepare_data, variabel Class diubah menjadi ordinal (Eco < Eco Plus < Business) dan dibuat variabel biner (loyal, business_travel, satisfaction_bin). Fungsi ini diterapkan pada kedua dataset agar siap digunakan dalam pemodelan.
Exploratory Data Analysis (EDA)
Struktur Data
glimpse(train)## Rows: 103,594
## Columns: 28
## $ X <int> 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11…
## $ id <int> 70172, 5047, 110028, 24026, 119299, …
## $ Gender <chr> "Male", "Male", "Female", "Female", …
## $ Customer.Type <chr> "Loyal Customer", "disloyal Customer…
## $ Age <int> 13, 25, 26, 25, 61, 26, 47, 52, 41, …
## $ Type.of.Travel <chr> "Personal Travel", "Business travel"…
## $ Class <ord> Eco Plus, Business, Business, Busine…
## $ Flight.Distance <int> 460, 235, 1142, 562, 214, 1180, 1276…
## $ Inflight.wifi.service <int> 3, 3, 2, 2, 3, 3, 2, 4, 1, 3, 4, 2, …
## $ Departure.Arrival.time.convenient <int> 4, 2, 2, 5, 3, 4, 4, 3, 2, 3, 5, 4, …
## $ Ease.of.Online.booking <int> 3, 3, 2, 5, 3, 2, 2, 4, 2, 3, 5, 2, …
## $ Gate.location <int> 1, 3, 2, 5, 3, 1, 3, 4, 2, 4, 4, 2, …
## $ Food.and.drink <int> 5, 1, 5, 2, 4, 1, 2, 5, 4, 2, 2, 1, …
## $ Online.boarding <int> 3, 3, 5, 2, 5, 2, 2, 5, 3, 3, 5, 2, …
## $ Seat.comfort <int> 5, 1, 5, 2, 5, 1, 2, 5, 3, 3, 2, 1, …
## $ Inflight.entertainment <int> 5, 1, 5, 2, 3, 1, 2, 5, 1, 2, 2, 1, …
## $ On.board.service <int> 4, 1, 4, 2, 3, 3, 3, 5, 1, 2, 3, 1, …
## $ Leg.room.service <int> 3, 5, 3, 5, 4, 4, 3, 5, 2, 3, 3, 2, …
## $ Baggage.handling <int> 4, 3, 4, 3, 4, 4, 4, 5, 1, 4, 5, 5, …
## $ Checkin.service <int> 4, 1, 4, 1, 3, 4, 3, 4, 4, 4, 3, 5, …
## $ Inflight.service <int> 5, 4, 4, 4, 3, 4, 5, 5, 1, 3, 5, 5, …
## $ Cleanliness <int> 5, 1, 5, 2, 3, 1, 2, 4, 2, 2, 2, 1, …
## $ Departure.Delay.in.Minutes <int> 25, 1, 0, 11, 0, 0, 9, 4, 0, 0, 0, 0…
## $ Arrival.Delay.in.Minutes <dbl> 18, 6, 0, 9, 0, 0, 23, 0, 0, 0, 0, 0…
## $ satisfaction <chr> "neutral or dissatisfied", "neutral …
## $ loyal <dbl> 1, 0, 1, 1, 1, 1, 1, 1, 1, 0, 0, 1, …
## $ business_travel <dbl> 0, 1, 1, 1, 1, 0, 0, 1, 1, 1, 1, 0, …
## $ satisfaction_bin <dbl> 0, 0, 1, 0, 1, 0, 0, 1, 0, 0, 0, 0, …Missing Values
colSums(is.na(train))## X id
## 0 0
## Gender Customer.Type
## 0 0
## Age Type.of.Travel
## 0 0
## Class Flight.Distance
## 0 0
## Inflight.wifi.service Departure.Arrival.time.convenient
## 0 0
## Ease.of.Online.booking Gate.location
## 0 0
## Food.and.drink Online.boarding
## 0 0
## Seat.comfort Inflight.entertainment
## 0 0
## On.board.service Leg.room.service
## 0 0
## Baggage.handling Checkin.service
## 0 0
## Inflight.service Cleanliness
## 0 0
## Departure.Delay.in.Minutes Arrival.Delay.in.Minutes
## 0 0
## satisfaction loyal
## 0 0
## business_travel satisfaction_bin
## 0 0Dataset berisi 103.904 baris dan 25 kolom, terdiri dari variabel kategorik dan numerik. Hampir seluruh data bersih, kecuali 310 missing values pada Arrival.Delay.in.Minutes.
Distribusi Target
table(train$Class)##
## Eco Eco Plus Business
## 46593 7468 49533prop.table(table(train$Class))##
## Eco Eco Plus Business
## 0.44976543 0.07208912 0.47814545ggplot(train, aes(Class, fill = Class)) +
geom_bar() +
theme_minimal()
Distribusi kelas penerbangan menunjukkan bahwa data didominasi oleh kelas Business (47,8%) dan Eco (45,0%), sementara Eco Plus hanya mencakup 7,2% sehingga menjadi kelompok minoritas. Meskipun Business dan Eco relatif seimbang, proporsi Eco Plus yang kecil perlu diperhatikan karena berpotensi menyulitkan model dalam melakukan prediksi pada kategori tersebut.
Kepuasan Penumpang per Kelas
ggplot(train, aes(x = Class, fill = satisfaction)) +
geom_bar(position = "fill", color = "white") +
scale_fill_manual(values = c("satisfied" = "#00b894",
"neutral or dissatisfied" = "#d63031"),
labels = c("Satisfied", "Neutral/Dissatisfied")) +
scale_y_continuous(labels = scales::percent) +
labs(title = "Proporsi Kepuasan Penumpang per Kelas",
x = "Kelas", y = "Proporsi", fill = "Kepuasan") +
theme_minimal()
Visualisasi menunjukkan perbedaan kepuasan antar kelas penerbangan. Kelas Business didominasi penumpang yang puas (hampir 70%), sedangkan kelas Eco dan Eco Plus mayoritas berada pada kategori netral atau tidak puas. Terlihat pula tren meningkat, di mana semakin tinggi kelas penerbangan, semakin tinggi tingkat kepuasan penumpang.
Distribusi Usia per Kelas
ggplot(train, aes(x = Class, y = Age, fill = Class)) +
geom_boxplot(color = "white", alpha = 0.85) +
scale_fill_manual(values = c("Eco" = "#74b9ff",
"Eco Plus" = "#0984e3",
"Business" = "#2d3436")) +
labs(title = "Distribusi Usia Penumpang per Kelas",
x = "Kelas", y = "Usia (Tahun)") +
theme_minimal() +
theme(legend.position = "none")
Boxplot menunjukkan bahwa median usia penumpang berada pada kisaran 30–50 tahun di semua kelas, dengan kelas Business cenderung sedikit lebih tinggi. Sebaran usia pada kelas Business juga lebih didominasi usia dewasa matang, sedangkan kelas Eco mencakup lebih banyak penumpang usia muda. Hal ini menunjukkan bahwa penumpang kelas Business umumnya lebih dewasa dibandingkan kelas lainnya.
Jarak Penerbangan per Kelas
ggplot(train, aes(x = Class, y = Flight.Distance, fill = Class)) +
geom_boxplot(color = "white", alpha = 0.85) +
scale_fill_manual(values = c("Eco" = "#74b9ff",
"Eco Plus" = "#0984e3",
"Business" = "#2d3436")) +
labs(title = "Distribusi Jarak Penerbangan per Kelas",
x = "Kelas", y = "Jarak (mil)") +
theme_minimal() +
theme(legend.position = "none")
Boxplot menunjukkan perbedaan jelas pada jarak penerbangan antar kelas. Kelas Business memiliki median sekitar 1.500–2.000 mil, sedangkan kelas Eco dan Eco Plus berada di bawah 1.000 mil dengan pola yang relatif mirip. Hal ini menunjukkan bahwa Flight Distance berpotensi menjadi prediktor kuat, di mana semakin jauh jarak perjalanan, semakin besar kemungkinan penumpang memilih kelas Business.
Preprocessing
# Hapus NA
train <- train %>% filter(!is.na(Arrival.Delay.in.Minutes))
test <- test %>% filter(!is.na(Arrival.Delay.in.Minutes))
# Encoding target
train$Class <- factor(train$Class,
levels = c("Eco", "Eco Plus", "Business"),
ordered = TRUE)
test$Class <- factor(test$Class,
levels = c("Eco", "Eco Plus", "Business"),
ordered = TRUE)
# Encoding variabel lain
train$satisfaction_bin <- ifelse(train$satisfaction == "satisfied", 1, 0)
test$satisfaction_bin <- ifelse(test$satisfaction == "satisfied", 1, 0)
train$loyal <- ifelse(train$Customer.Type == "Loyal Customer", 1, 0)
test$loyal <- ifelse(test$Customer.Type == "Loyal Customer", 1, 0)
train$business_travel <- ifelse(train$Type.of.Travel == "Business travel", 1, 0)
test$business_travel <- ifelse(test$Type.of.Travel == "Business travel", 1, 0)Tahap preprocessing dilakukan untuk menyiapkan data sebelum pemodelan. Baris dengan nilai kosong pada Arrival.Delay.in.Minutes dihapus karena model tidak dapat memproses data yang tidak lengkap. Selanjutnya, variabel Class diubah menjadi ordered factor (Eco < Eco Plus < Business) agar sesuai dengan regresi ordinal. Selain itu, dilakukan rekayasa fitur dengan mengubah variabel kategorik menjadi biner, yaitu satisfaction_bin, loyal, dan business_travel, sehingga lebih mudah diolah dan diinterpretasikan dalam model.
Pemilihan Variabel
predictors <- c(
"Age",
"Flight.Distance",
"business_travel",
"loyal",
"Inflight.wifi.service",
"Seat.comfort",
"Inflight.entertainment",
"On.board.service",
"Food.and.drink",
"Cleanliness",
"Departure.Delay.in.Minutes",
"satisfaction_bin"
)Pemilihan variabel dilakukan dengan mengelompokkan prediktor berdasarkan beberapa dimensi, yaitu demografi dan perjalanan (Age, Flight.Distance), karakteristik penumpang (business_travel, loyal), kualitas layanan penerbangan (seperti Inflight.wifi.service, Seat.comfort, Inflight.entertainment, Food.and.drink, On.board.service, dan Cleanliness), serta faktor operasional dan persepsi (Departure.Delay.in.Minutes dan satisfaction_bin). Variabel-variabel ini dipilih untuk menangkap pengaruh profil penumpang, pengalaman layanan, dan kondisi perjalanan terhadap pemilihan kelas penerbangan.
Uji Asumsi
Uji Multikolinearitas (VIF)
formula_vif <- as.formula(paste("as.numeric(Class) ~",
paste(predictors, collapse = " + ")))
model_vif <- lm(formula_vif, data = train)
vif(model_vif)## Age Flight.Distance
## 1.131370 1.237154
## business_travel loyal
## 1.767073 1.554721
## Inflight.wifi.service Seat.comfort
## 1.115294 2.182682
## Inflight.entertainment On.board.service
## 3.037469 1.451024
## Food.and.drink Cleanliness
## 2.100972 2.739152
## Departure.Delay.in.Minutes satisfaction_bin
## 1.005301 1.910842Uji multikolinearitas menggunakan VIF menunjukkan bahwa seluruh variabel memiliki nilai di bawah 5, sehingga tidak terdapat korelasi tinggi antar prediktor. Nilai tertinggi terdapat pada Inflight.entertainment (3,03) dan Cleanliness (2,73), namun masih dalam batas aman, sedangkan Departure.Delay.in.Minutes mendekati 1 yang menunjukkan hampir tidak ada korelasi. Dengan demikian, asumsi non-multikolinearitas terpenuhi dan seluruh variabel layak digunakan dalam model.
Uji Outlier
par(mfrow = c(1, 3))
boxplot(train$Age, main = "Age", col = "#74b9ff")
boxplot(train$Flight.Distance, main = "Flight Distance", col = "#fd79a8")
boxplot(train$Departure.Delay.in.Minutes, main = "Departure Delay", col = "#55efc4")
par(mfrow = c(1, 1))Berdasarkan boxplot, variabel Age tidak menunjukkan adanya outlier dan tersebar relatif simetris di sekitar median. Pada Flight Distance, terdapat beberapa outlier pada kisaran 4000–5000 mil yang menandakan adanya penerbangan jarak sangat jauh. Sementara itu, Departure Delay memiliki outlier yang sangat ekstrem, dengan sebagian besar data dekat nol namun terdapat nilai hingga lebih dari 1500 menit, sehingga menunjukkan variasi keterlambatan yang sangat tinggi.
Pemodelan OLR
formula_olr <- as.formula(paste("Class ~",
paste(predictors, collapse = " + ")))
set.seed(42)
model_olr <- polr(formula_olr,
data = train,
Hess = TRUE,
method = "logistic")
summary(model_olr)## Call:
## polr(formula = formula_olr, data = train, Hess = TRUE, method = "logistic")
##
## Coefficients:
## Value Std. Error t value
## Age 5.761e-03 5.517e-04 10.4421
## Flight.Distance 9.309e-04 9.488e-06 98.1068
## business_travel 2.452e+00 2.131e-02 115.0529
## loyal 7.771e-01 2.173e-02 35.7672
## Inflight.wifi.service -2.195e-01 6.551e-03 -33.5070
## Seat.comfort 2.309e-01 8.904e-03 25.9269
## Inflight.entertainment -1.632e-01 1.062e-02 -15.3679
## On.board.service 3.099e-01 7.092e-03 43.7001
## Food.and.drink -1.958e-02 9.075e-03 -2.1579
## Cleanliness 9.709e-03 1.044e-02 0.9299
## Departure.Delay.in.Minutes -7.974e-05 2.051e-04 -0.3887
## satisfaction_bin 1.083e+00 2.031e-02 53.3286
##
## Intercepts:
## Value Std. Error t value
## Eco|Eco Plus 4.2749 0.0454 94.0837
## Eco Plus|Business 4.8078 0.0461 104.2861
##
## Residual Deviance: 125311.50
## AIC: 125339.50Berdasarkan hasil summary(model_olr), sebagian besar variabel seperti business_travel, Flight.Distance, satisfaction_bin, dan Inflight.wifi.service terbukti signifikan karena memiliki nilai t-value di atas 1,96, sedangkan Cleanliness dan Departure.Delay.in.Minutes tidak signifikan. Koefisien positif pada business_travel dan loyal menunjukkan bahwa penumpang dengan karakteristik tersebut cenderung berada pada kelas yang lebih tinggi, sementara koefisien negatif pada Inflight.wifi.service menunjukkan hubungan terbalik yang perlu dianalisis lebih lanjut. Model juga memiliki dua threshold (Eco|Eco Plus dan Eco Plus|Business) sebagai batas antar kategori. Dari sisi performa, nilai Residual Deviance dan AIC digunakan untuk menilai kecocokan model, di mana nilai AIC yang lebih kecil menunjukkan model yang lebih baik.
Uji Signifikansi Paramter
Uji Parsial (Wald Test)
coef_table <- coef(summary(model_olr))
p_values <- pnorm(abs(coef_table[, "t value"]), lower.tail = FALSE) * 2
cbind(coef_table, "p value" = p_values)## Value Std. Error t value p value
## Age 5.761047e-03 5.517139e-04 10.4420924 1.592611e-25
## Flight.Distance 9.308542e-04 9.488177e-06 98.1067540 0.000000e+00
## business_travel 2.452213e+00 2.131378e-02 115.0529349 0.000000e+00
## loyal 7.770760e-01 2.172591e-02 35.7672458 3.569002e-280
## Inflight.wifi.service -2.195177e-01 6.551391e-03 -33.5070319 3.807240e-246
## Seat.comfort 2.308573e-01 8.904148e-03 25.9269346 3.310397e-148
## Inflight.entertainment -1.632444e-01 1.062244e-02 -15.3678821 2.688136e-53
## On.board.service 3.099054e-01 7.091647e-03 43.7000575 0.000000e+00
## Food.and.drink -1.958241e-02 9.074801e-03 -2.1578891 3.093646e-02
## Cleanliness 9.709493e-03 1.044153e-02 0.9298921 3.524270e-01
## Departure.Delay.in.Minutes -7.974476e-05 2.051421e-04 -0.3887295 6.974763e-01
## satisfaction_bin 1.082958e+00 2.030728e-02 53.3285551 0.000000e+00
## Eco|Eco Plus 4.274861e+00 4.543678e-02 94.0837214 0.000000e+00
## Eco Plus|Business 4.807775e+00 4.610178e-02 104.2861078 0.000000e+00Hasil uji parsial (Wald Test) menunjukkan bahwa hampir seluruh variabel seperti Age, Flight.Distance, business_travel, loyal, serta berbagai indikator layanan memiliki p-value < 0,05, sehingga berpengaruh signifikan terhadap kelas penerbangan. Sebaliknya, Cleanliness (p = 0,352) dan Departure.Delay.in.Minutes (p = 0,697) tidak signifikan. Variabel seperti business_travel, Flight.Distance, dan On.board.service menjadi faktor paling dominan karena p-value mendekati nol. Selain itu, kedua nilai intercept juga signifikan, menunjukkan bahwa pemisahan antar kategori kelas dalam model sudah jelas dan model ordinal layak digunakan.
Uji Serentak
model_null <- polr(Class ~ 1, data = train, Hess = TRUE)
lrt <- anova(model_null, model_olr)
print(lrt)## Likelihood ratio tests of ordinal regression models
##
## Response: Class
## Model
## 1 1
## 2 Age + Flight.Distance + business_travel + loyal + Inflight.wifi.service + Seat.comfort + Inflight.entertainment + On.board.service + Food.and.drink + Cleanliness + Departure.Delay.in.Minutes + satisfaction_bin
## Resid. df Resid. Dev Test Df LR stat. Pr(Chi)
## 1 103592 186832.7
## 2 103580 125311.5 1 vs 2 12 61521.18 0Hasil Likelihood Ratio Test menunjukkan nilai statistik sebesar 61521,18 dengan p-value ≈ 0 (< 0,05), sehingga H0H_0H0 ditolak. Ini berarti seluruh variabel prediktor secara simultan berpengaruh signifikan terhadap Class, dan model dengan prediktor jauh lebih baik dibandingkan model tanpa prediktor. Dengan demikian, model layak digunakan dan analisis dapat dilanjutkan ke tahap Odds Ratio atau uji Brant.
Odds Ratio
exp(coef(model_olr))## Age Flight.Distance
## 1.0057777 1.0009313
## business_travel loyal
## 11.6140149 2.1751029
## Inflight.wifi.service Seat.comfort
## 0.8029060 1.2596794
## Inflight.entertainment On.board.service
## 0.8493836 1.3632961
## Food.and.drink Cleanliness
## 0.9806081 1.0097568
## Departure.Delay.in.Minutes satisfaction_bin
## 0.9999203 2.9534026Nilai Odds Ratio (OR) menunjukkan besarnya pengaruh setiap variabel terhadap peluang penumpang berada di kelas yang lebih tinggi. Variabel dengan pengaruh positif (OR > 1) seperti business_travel (11,61) menjadi prediktor terkuat, diikuti satisfaction_bin (2,95), loyal (2,17), serta On.board.service (1,36) dan Seat.comfort (1,25) yang meningkatkan peluang naik kelas. Sebaliknya, variabel dengan OR < 1 seperti Inflight.wifi.service (0,80) dan Inflight.entertainment (0,84) menunjukkan hubungan negatif terhadap peluang naik kelas. Sementara itu, variabel seperti Age, Flight.Distance, dan Departure.Delay.in.Minutes memiliki OR mendekati 1, sehingga secara praktis pengaruhnya sangat kecil meskipun sebagian signifikan secara statistik.
Uji Proportional Odds (Brant Test)
brant(model_olr)## ------------------------------------------------------------
## Test for X2 df probability
## ------------------------------------------------------------
## Omnibus 5465.91 12 0
## Age 98.26 1 0
## Flight.Distance 1856.28 1 0
## business_travel 1053.65 1 0
## loyal 1192.44 1 0
## Inflight.wifi.service 261.52 1 0
## Seat.comfort 173.63 1 0
## Inflight.entertainment 57.69 1 0
## On.board.service 389.82 1 0
## Food.and.drink 0.61 1 0.43
## Cleanliness 3.05 1 0.08
## Departure.Delay.in.Minutes 0 1 1
## satisfaction_bin 374.21 1 0
## ------------------------------------------------------------
##
## H0: Parallel Regression Assumption holdsHasil Brant Test menunjukkan nilai omnibus p = 0 (< 0,05), sehingga asumsi proportional odds tidak terpenuhi secara keseluruhan. Sebagian besar variabel seperti Age, Flight.Distance, business_travel, loyal, serta beberapa indikator layanan memiliki p-value < 0,05, yang berarti pengaruhnya tidak konsisten pada setiap level kelas. Sebaliknya, variabel seperti Food.and.drink (p = 0,43), Cleanliness (p = 0,08), dan Departure.Delay.in.Minutes (p = 1) memenuhi asumsi karena pengaruhnya relatif konsisten. Meskipun demikian, model OLR tetap digunakan sebagai pendekatan awal dengan interpretasi yang hati-hati.
Prediksi dan Evaluasi Model
Prediksi Probabilitas
pred_prob <- predict(model_olr, newdata = test, type = "probs")
pred_class <- predict(model_olr, newdata = test, type = "class")
prob_preview <- data.frame(
Umur = test$Age[1:8],
Jarak = test$Flight.Distance[1:8],
Puas = test$satisfaction[1:8],
round(pred_prob[1:8, ], 4),
Prediksi = pred_class[1:8],
Aktual = test$Class[1:8]
)
prob_preview## Umur Jarak Puas Eco Eco.Plus Business Prediksi Aktual
## 1 52 160 satisfied 0.3100 0.1236 0.5664 Business Eco
## 2 36 2863 satisfied 0.0123 0.0085 0.9791 Business Business
## 3 20 192 neutral or dissatisfied 0.6485 0.1102 0.2413 Eco Eco
## 4 44 3377 satisfied 0.0112 0.0077 0.9811 Business Business
## 5 49 1182 satisfied 0.1549 0.0831 0.7620 Business Eco
## 6 16 311 satisfied 0.3043 0.1227 0.5730 Business Eco
## 7 77 3987 satisfied 0.0070 0.0049 0.9881 Business Business
## 8 43 2556 satisfied 0.0196 0.0134 0.9670 Business BusinessTabel prob_preview hanya menampilkan 8 contoh data untuk menunjukkan cara model memprediksi berdasarkan probabilitas tertinggi. Dari 8 data tersebut, 5 prediksi benar dan 3 salah. Namun, karena sampelnya kecil, evaluasi utama dilakukan menggunakan confusion matrix pada seluruh data uji.
Confusion Matrix
cm <- confusionMatrix(pred_class, test$Class)
cm_df <- as.data.frame(cm$table)
names(cm_df) <- c("Prediksi", "Aktual", "Frekuensi")
ggplot(cm_df, aes(x = Aktual, y = Prediksi, fill = Frekuensi)) +
geom_tile(color = "white") +
geom_text(aes(label = Frekuensi), size = 5, fontface = "bold") +
scale_fill_gradient(low = "#dfe6e9", high = "#0984e3") +
labs(title = "Confusion Matrix — Prediksi vs Aktual",
subtitle = "Data Testing",
x = "Kelas Aktual", y = "Kelas Prediksi") +
theme_minimal()
Confusion matrix menunjukkan bahwa model mampu memprediksi kelas Eco dan Business dengan cukup baik, masing-masing sebanyak 9.229 dan 10.422 prediksi benar. Namun, model tidak menghasilkan prediksi untuk kelas Eco Plus, sehingga seluruh observasi pada kategori ini diklasifikasikan ke Eco (1.303) atau Business (609). Hal ini mengindikasikan bahwa model kesulitan membedakan kategori tengah, kemungkinan akibat proporsi data Eco Plus yang kecil serta karakteristiknya yang mirip dengan dua kelas lainnya. Akibatnya, model lebih efektif dalam membedakan Eco dan Business dibandingkan memodelkan ketiga kelas secara seimbang.
Akurasi Model
akurasi <- mean(as.character(pred_class) == as.character(test$Class))
cat("Akurasi Model:", round(akurasi * 100, 2), "%\n")## Akurasi Model: 75.89 %Model menghasilkan akurasi sebesar 75,89%, yang berarti sekitar 3 dari 4 data testing berhasil diprediksi dengan benar. Meskipun model mengalami keterbatasan dalam mendeteksi kelas Eco Plus dan tidak sepenuhnya memenuhi asumsi proportional odds, performa ini tetap menunjukkan kemampuan yang cukup baik, terutama dalam membedakan kelas Eco dan Business. Oleh karena itu, model masih dapat dianggap layak digunakan sebagai pendekatan prediksi.
Visualisasi Hasil Model
new_data_fd <- data.frame(
Age = mean(train$Age),
Flight.Distance = seq(min(train$Flight.Distance),
max(train$Flight.Distance), length.out = 200),
business_travel = 1,
loyal = 1,
Inflight.wifi.service = 3,
Seat.comfort = 3,
Inflight.entertainment = 3,
On.board.service = 3,
Food.and.drink = 3,
Cleanliness = 3,
Departure.Delay.in.Minutes = 0,
satisfaction_bin = 1
)
prob_fd <- predict(model_olr, newdata = new_data_fd, type = "probs")
prob_fd_df <- as.data.frame(prob_fd)
prob_fd_df$Flight.Distance <- new_data_fd$Flight.Distance
prob_long <- pivot_longer(prob_fd_df,
cols = c("Eco", "Eco Plus", "Business"),
names_to = "Class",
values_to = "Probability")
prob_long$Class <- factor(prob_long$Class,
levels = c("Eco", "Eco Plus", "Business"))
ggplot(prob_long, aes(x = Flight.Distance, y = Probability, color = Class)) +
geom_line(size = 1.3) +
scale_color_manual(values = c("Eco" = "#74b9ff",
"Eco Plus" = "#0984e3",
"Business" = "#2d3436")) +
labs(title = "Prediksi Probabilitas Kelas vs Jarak Penerbangan",
subtitle = "Kondisi: Business traveler, loyal, semua rating layanan = 3, satisfied",
x = "Jarak Penerbangan (mil)", y = "Probabilitas", color = "Kelas") +
theme_minimal()## Warning: Using `size` aesthetic for lines was deprecated in ggplot2 3.4.0.
## ℹ Please use `linewidth` instead.
## This warning is displayed once per session.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.
Grafik menunjukkan bahwa semakin jauh jarak penerbangan, semakin tinggi probabilitas penumpang berada di kelas Business, bahkan mendekati 1 pada jarak di atas 3.000 mil. Sebaliknya, probabilitas kelas Eco dan Eco Plus terus menurun hingga hampir nol pada jarak jauh. Selain itu, garis Eco Plus selalu berada di bawah kelas lain, sehingga jarang menjadi probabilitas tertinggi. Hal ini menjelaskan mengapa model hampir tidak pernah memprediksi kelas Eco Plus pada hasil sebelumnya.
Kesimpulan
1. Kualitas Data Data relatif bersih dengan sedikit missing value, serta terdapat outlier pada Flight Distance dan Departure Delay yang tetap dipertahankan.
2. Signifikansi Variabel Secara simultan, seluruh variabel berpengaruh signifikan terhadap pemilihan kelas (p < 0,05). Secara parsial, variabel paling dominan adalah business_travel, Flight.Distance, dan satisfaction_bin, sedangkan Cleanliness dan Departure.Delay tidak signifikan.
3. Pengaruh Variabel (Odds Ratio) Penumpang dengan tujuan bisnis memiliki peluang 11,61 kali lebih besar untuk berada di kelas lebih tinggi, sementara pelanggan loyal memiliki peluang 2,17 kali lebih besar. Faktor layanan seperti kenyamanan dan pelayanan juga meningkatkan peluang naik kelas.
4. Validitas Model Hasil Brant Test menunjukkan asumsi proportional odds tidak terpenuhi, sehingga pengaruh variabel tidak konsisten di setiap kategori. Namun, model tetap digunakan sebagai pendekatan awal dengan interpretasi yang hati-hati.
5. Performa Model Model mencapai akurasi 75,89%, menunjukkan performa yang cukup baik. Model efektif membedakan kelas Eco dan Business, namun gagal memprediksi Eco Plus akibat ketidakseimbangan data dan kemiripan karakteristik.
6. Pola Prediksi dan Insight Semakin jauh jarak penerbangan, semakin tinggi probabilitas memilih kelas Business hingga mendekati 100% pada jarak sangat jauh. Sebaliknya, peluang Eco dan Eco Plus menurun signifikan.
Kesimpulan Keseluruhan:
Model OLR cukup efektif untuk menjelaskan pola pemilihan kelas penerbangan dengan akurasi yang baik. Faktor utama yang memengaruhi adalah tujuan perjalanan bisnis, jarak penerbangan, dan tingkat kepuasan penumpang. Meskipun terdapat keterbatasan pada asumsi dan prediksi kelas menengah, model tetap layak digunakan untuk analisis dan memberikan insight yang relevan.