Implementasi Data Mining Pada Pelanggan Telkom Menggunakan Metode K-Nearest Neighbor untuk Memprediksi Status Pelayanan

Authors

  • Ervina Agusetiana Informatika, Fakultas Sains dan Teknologi, Universitas Muhammadiyah Sidoarjo Indonesia
  • Arif Senja Fitrani Informatika, Fakultas Sains dan Teknologi, Universitas Muhammadiyah Sidoarjo Indonesia

DOI:

https://doi.org/10.29407/inotek.v6i1.2461

Abstract

Penggunaan internet telah menyeluruh di seluruh dunia memudahkan masyarakat untuk mendapatkan sebuah informasi dengan mudah dan cepat. Penelitian ini didasari oleh semakin banyaknya pengguna wifi di Indonesia yang mengakibatkan peningkatan pelanggan wifi PT. Telkom Indonesia. Dampak tersebut mengakibatkan sering terjadi keterlambatan dalam proses pelayanannya. Tujuan penelitian ini ialah untuk mengklasifikasi status pelayanan berupa normal atau tidak normal pada data pelanggan telkom. Penelitian ini mengimplementasikan data mining dengan menggunakan metode k-nearest neighbor. Data yang digunakan ialah data pelanggan Telkom sebanyak 15.113 data pada bulan Mei hingga Juni 2018 dengan dataset sebanyak 100 data. Data diinput ke dalam weka disertai  seleksi atribut yang terdiri dari 60% data training dan 40% data testing lalu weka akan memproses perhitungan dan menampilkan hasil klasifikasi yaitu berupa normal ataupun tidak normal. Dari hasil perhitungan klasifikasi pada dataset sebanyak 100 data menggunakan algoritma k-nearest neighbor diperoleh hasil tertinggi menggunakan weka dengan perolehan tingkat kebenaran sebesar 92,5%, tingkat kesalahan sebesar 7,5%.

Keywords:

data mining, knn, sidoarjo

##plugins.themes.default.displayStats.downloads##

##plugins.themes.default.displayStats.noStats##

References

"A. Penyelenggara and J. Internet,," “RESPONDEN Survei Nasional PENETRASI Pengguna Internet 2018,”, 2018.

D. A. Kesawasidhi, “Pengaruh Kinerja Kualitas Pelayanan Terhadap Kepuasan Dan Loyalitas Pelanggan Pt. Telekomunikasi Indonesia Tbk. Cabang Yogyakarta,” , pp. Fak. Ekon. Manaj. Univ. Islam Indones., pp. 1–21,, 2017.

S. A. Wibisono and, “Pengaruh Kualitas Jasa Pelayanan Terhadap Kepuasan Pelanggan,”, Vols. vol. 6, no. 2,, pp. “ J. Bisnis Akuntansi,”, 2016.

I. Oktavianis, Upaya PT. Telkom Dalam Meningkatkan Kualitas Pelayanan Internet Speedy Dalam Memuaskan Pelanggan (Studi Pada PT. Telkom Malang),”, Vols. vol. 1, no. 1, p. J. Adm. Publik Mhs. Univ. Brawijaya, 2013.

H. Leidiyana, Penerapan Algoritma K-Nearest Neighbor Untuk Penentuan Resiko Kredit Kepemilikan Kendaraan Bermotor, Vols. vol. 1, no. 1, pp. J. Penelit. Ilmu Komputer, Syst. Embed. Log., 2013.

S. Sumarlin, “Implementasi Algoritma K-Nearest Neighbor Sebagai Pendukung Keputusan Klasifikasi Penerima Beasiswa PPA dan BBM, Vols. vol. 5, no. 1, pp. J. Sist. Inf. Bisnis, , 2015.

W. Yustanti, “Algoritma K-Nearest Neighbour untuk Memprediksi Harga Jual Tanah,” , Vols. vol. 9, no. 1, pp. J. Mat. Stat. dan komputasi,, 2012.

S. S. a. L. H. S. A. Hasan, “Klasifikasi Status Gizi Menggunakan K-Nearest Neighbor,”, Vols. vol. 3, no. 1, 2015.

gunadharma, “Definisi dan Simbol Flowchart,”, p. Defin. Dan Simbol Flowchart, 2016.

J. H. Y. P. S. F. I. a. I. W. S. W. D. Purnamasari, Machine Learning ‘Get Easy Using WEKA,’, 2013.

Downloads

Published

2022-08-25

Issue

Vol. 6 No. 1 (2022): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2022

Section

Articles

License

Copyright (c) 2022 Ervina Agusetiana; Arif Senja Fitrani

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Authors who publish with this journal agree to the following terms:

  1. Copyright on any article is retained by the author(s).
  2. The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
  3. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
  4. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
  5. The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License

How to Cite

Implementasi Data Mining Pada Pelanggan Telkom Menggunakan Metode K-Nearest Neighbor untuk Memprediksi Status Pelayanan. (2022). Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 6(1), 115-119. https://doi.org/10.29407/inotek.v6i1.2461