sistem klasifikasi feedback pelanggan dan dan - .sistem klasifikasi feedback pelanggan dan...

Download SISTEM KLASIFIKASI FEEDBACK PELANGGAN DAN DAN - .sistem klasifikasi feedback pelanggan dan rekomendasi

If you can't read please download the document

Post on 29-Jun-2019

213 views

Category:

Documents

0 download

Embed Size (px)

TRANSCRIPT

  • perpustakaan.uns.ac.id digilib.uns.ac.id

    commit to user

    i

    SISTEM KLASIFIKASI FEEDBACK PELANGGAN DAN

    REKOMENDASI SOLUSI ATAS KELUHAN DI UPT PUSKOM

    UNS DENGAN ALGORITMA NAVE BAYES CLASSIFIER

    DAN COSINE SIMILARITY

    SKRIPSI

    Diajukan untuk Memenuhi Salah Satu Syarat Mencapai Gelar Strata Satu

    Jurusan Informatika

    Disusun Oleh:

    AISHA ALFIANI MAHARDHIKA

    NIM. M0510004

    JURUSAN INFORMATIKA

    FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

    UNIVERSITAS SEBELAS MARET

    SURAKARTA

    2014

  • perpustakaan.uns.ac.id digilib.uns.ac.id

    commit to user

    ii

    SKRIPSI

    SISTEM KLASIFIKASI FEEDBACK PELANGGAN DAN

    REKOMENDASI SOLUSI ATAS KELUHAN DI UPT PUSKOM

    UNS DENGAN ALGORITMA NAVE BAYES CLASSIFIER

    DAN COSINE SIMILARITY

    Disusun Oleh :

    AISHA ALFIANI MAHARDHIKA

    M0510004

    Skripsi ini telah disetujui untuk dipertahankan di hadapan dewan penguji,

    pada tanggal 2 Desember 2014.

    Pembimbing I

    Ristu Saptono, S.Si., M.T.

    NIP. 19790210 200212 1 001

    Pembimbing II

    Rini Anggrainingsih, S.T., M.T.

    NIP. 19780909 200812 2 002

  • perpustakaan.uns.ac.id digilib.uns.ac.id

    commit to user

    iii

    SKRIPSI

    SISTEM KLASIFIKASI FEEDBACK PELANGGAN DAN

    REKOMENDASI SOLUSI ATAS KELUHAN DI UPT PUSKOM UNS

    DENGAN ALGORITMA NAVE BAYES CLASSIFIER DAN COSINE

    SIMILARITY

    Disusun Oleh :

    AISHA ALFIANI MAHARDHIKA

    M0510004

    Telah dipertahankan di hadapan Dewan Penguji

    pada tanggal 2 Desember 2014

    Susunan Dewan Penguji

    1. Ristu Saptono, S.Si., M.T. (Ketua) ( )

    NIP. 19790210 200212 1 001

    2. Rini Anggrainingsih, S.T., M.T. (Sekretaris) ( )

    NIP. 19780909 200812 2 002

    3. Drs. Wiranto, M.Kom., M.Cs. (Anggota) ( )

    NIP. 19661230 199302 1 001

    4. Abdul Aziz, S.Kom., M.Cs. (Anggota) ( )

    NIP. 19810413 200501 1 001

    Disahkan Oleh

    Dekan Fakultas MIPA UNS

    Prof. Ir. Ari Handono Ramelan, M.Sc. (Hons), Ph.D

    NIP. 19610223 198601 1 001

    Ketua Jurusan Informatika

    Drs. Bambang Harjito, M.App.Sc., Ph.D

    NIP. 19621130 199103 1 002

  • perpustakaan.uns.ac.id digilib.uns.ac.id

    commit to user

    iv

    MOTTO

    Learn from yesterday, live from today, and hope for tomorrowAlbert Einstein

    Build your dreams, or someone else will hire you to build theirsFarrah Gray

  • perpustakaan.uns.ac.id digilib.uns.ac.id

    commit to user

    v

    PERSEMBAHAN

    Tulisan ini penulis persembahkan kepada :

    Ibu Eny Dwi Suryani dan Bapak Muhammad Indrayanto atas segala doa,

    semangat dan motivasi tiada henti

    Adik Annisa Shafarina Ayuningtyas atas dukungan dan suntikan semangatnya

  • perpustakaan.uns.ac.id digilib.uns.ac.id

    commit to user

    vi

    KATA PENGANTAR

    Puji syukur penulis panjatkan kehadirat Allah SWT karena dengan ridho dan

    rahmatnya, penulis dapat menyelesaikan skripsi dengan judul Sistem Klasifikasi

    Feedback Pelanggan dan Rekomendasi Solusi Atas Keluhan Di UPT Puskom

    UNS Dengan Algoritma Nave Bayes Classifier dan Cosine Similarity.

    Penulis menyadari banyak hambatan dan keterbatasan yang ditemui dalam

    penyusunan laporan ini. Oleh karena itu, penulis mengucapkan terima kasih

    kepada berbagai pihak yang telah memberi bimbingan, dukungan, saran dan doa

    serta semangat tanpa batas selama penyusunan laporan. Penulis ucapkan terima

    kasih kepada :

    1. kedua orang tua tercinta serta adik tersayang yang selalu memberikan kasih

    sayang, doa, dukungan dan semangat kepada penulis,

    2. bapak Ristu Saptono, S.Si., M.T. selaku dosen pembimbing I yang telah

    memberikan waktu, ilmu, bimbingan, serta masukan yang berharga kepada

    penulis,

    3. ibu Rini Anggrainingsih, S.T., M.T. selaku dosen pembimbing II yang telah

    memberikan waktu, masukan serta saran kepada penulis,

    4. ibu Sari Widya Sihwi, S.Kom., MTI selaku pembimbing akademik yang telah

    memberikan bimbingan dan motivasi kepada penulis selama menempuh

    pendidikan di Jurusan Informatika,

    5. geng berandalan manis, terima kasih atas seluruh semangat, motivasi dan doa,

    serta keikhlasannya menjadi tempat penulis berbagi,

    6. teman-teman Informatika atas bantuan dan semangatnya,

    7. pihak-pihak lain yang telah membantu penyusunan skripsi ini.

    Semoga skripsi ini dapat bermanfaat bagi seluruh pihak.

    Surakarta, Desember 2014

    Penulis

  • perpustakaan.uns.ac.id digilib.uns.ac.id

    commit to user

    vii

    SISTEM KLASIFIKASI FEEDBACK PELANGGAN DAN

    REKOMENDASI SOLUSI ATAS KELUHAN DI UPT PUSKOM UNS

    DENGAN ALGORITMA NAVE BAYES CLASSIFIER DAN COSINE

    SIMILARITY

    AISHA ALFIANI MAHARDHIKA

    Jurusan Informatika, Fakultas Matematika dan Ilmu Pengetahuan Alam,

    Universitas Sebelas Maret

    ABSTRAK

    Saat ini, konsumen dapat menyampaikan keluhan terhadap UPT Puskom UNS

    melalui mentions terhadap akun Twitter. Mentions yang diberikan oleh konsumen

    kemudian diklasifikasikan apakah mentions tersebut termasuk keluhan, berita atau

    spam. Klasifikasi mentions dilakukan menggunakan algoritma Nave Bayes

    Classifier berdasarkan supervised learning. Peningkatan akurasi untuk algoritma

    Nave Bayes Classifier dilakukan dengan menggunakan teknik Laplacian

    Smoothing. Algoritma Cosine Similarity digunakan untuk mengelompokkan

    mentions keluhan yang memiliki term yang sama. Dari kelompok mentions

    tersebut, administrator akan memberikan solusi yang relevan terhadap keluhan.

    Hasil penelitian menunjukkan bahwa proses klasifikasi dengan algoritma Nave

    Bayes Classifier untuk proses pelatihan memiliki tingkat akurasi terendah 86.67%

    dengan data pelatihan sebanyak 30 mentions dan tingkat akurasi tertinggi 100%

    dengan data pelatihan sebanyak 20 mentions. Proses pengujian dilakukan secara

    bertahap dengan tingkat akurasi terendah adalah 60% yang dicapai pada pengujian

    pertama dan kedua, sedangkan tingkat akurasi tertinggi dicapai pada pengujian

    kelima dan keenam yakni 90%. Mentions keluhan tidak dapat terkelompokkan

    dengan algoritma Cosine Similarity karena jumlah data yang sangat terbatas yakni

    29 data dan tidak ada mentions yang memiliki term sama. Namun setelah

    dilakukan self-test, mentions keluhan yang memiliki term sama dapat

    terkelompokkan dengan baik.

    Kata kunci: klasifikasi, Nave Bayes Classifier, Cosine Similarity, rekomendasi

    solusi.

  • perpustakaan.uns.ac.id digilib.uns.ac.id

    commit to user

    viii

    CUSTOMER FEEDBACK CLASSIFICATION AND SOLUTION

    RECOMMENDATIONS OF COMPLAINTS AT UPT PUSKOM UNS

    USING NAIVE BAYES CLASSIFIER AND COSINE SIMILARITY

    AISHA ALFIANI MAHARDHIKA

    Department of Informatic, Mathematic and Science Faculty,

    Sebelas Maret University

    ABSTRACT

    Nowadays, consumers can submit a complaint to UPT Puskom UNS through

    mentions to Twitter account. Mentions given by consumers will be classified

    whether its complaints, news or spam. Mentions classification are performed by

    using Naive Bayes classifier based on supervised learning. Improved accuracy for

    Naive Bayes classifier algorithm is done by using Laplacian Smoothing

    technique. Cosine Similarity is used to classify complaints mentions that have

    similar term. Administrator will provide solutions that are relevant to the

    complaint based on the group mentions.

    Result showed that classification with Naive Bayes classifier algorithm has

    86.67% as lowest accuracy rate with 30 mentions as the training data, while the

    highest level of accuracy achieved is 100% with 20 mentions as the training data.

    Highest level of accuracy on testing process was achieved on the fifth and sixth

    testing process is 90%, while the lowest accuracy rate is 60% reached in the first

    and second testing process.

    Complaint mentions can't be grouped by Cosine Similarity algorithm due to the

    very limited amount of data, 29 data, and there's no mentions that has similar

    term. However, after the self-test, complaints mentions that has similar term can

    be grouped well.

    Keywords: classification, Nave Bayes Classifier, Cosine Similarity,

    recommendation solution.

  • perpustakaan.uns.ac.id digilib.uns.ac.id

    commit to user

    ix

    DAFTAR ISI

    Halaman

    HALAMAN JUDUL ................................................................................................ i

    HALAMAN PERSETUJUAN ................................................................................ ii

    HALAMAN PENGESAHAN ................................................................................ iii

    HALAMAN MOTTO ............................................................................................ iv

    PERSEMBAHAN ................................................................................................... v

    KATA PENGANTAR ............................................................................................. vi

    ABSTRAK ............................................................................................................ vii

    ABSTRACT ......................................................................................................... viii

    DAFTAR ISI .......................................................................................................... ix

Recommended

View more >