APLIKASI KLASIFIKASI STATUS PELANGGAN PADA PT.TELKOM PEKANBARU MENGGUNAKAN ALGORITMA NAIVE BAYES CLASSIFIER DAN K-NEAREST NEIGHBOR

AMALIA KHAIRUNNISA, - (2020) APLIKASI KLASIFIKASI STATUS PELANGGAN PADA PT.TELKOM PEKANBARU MENGGUNAKAN ALGORITMA NAIVE BAYES CLASSIFIER DAN K-NEAREST NEIGHBOR. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

[img] Text
GABUNGAN KECUALI BAB V.pdf

Download (7MB)
[img] Text (BAB V)
BAB V.pdf - Published Version
Restricted to Repository staff only

Download (6MB)

Abstract

APLIKASI KLASIFIKASI STATUS PELANGGAN PADA PT. TELKOM PEKANBARU MENGGUNAKAN ALGORITMA NAIVE BAYES CLASSIFIER DAN K-NEAREST NEIGHBOR AMALIA KHAIRUNNISA NIM: 11553202574 Tanggal Sidang: 11 Agustus 2020 Periode Wisuda: Program Studi Sistem Informasi Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau Jl. Soebrantas, No. 155, Pekanbaru ABSTRAK Klasifikasi adalah metode pengelompokan data yang mempunyai kelas label atau target dan digunakan untuk mengatur data secara sistematis atau sesuai dengan beberapa aturan. PT. TELKOM sebagai perusahaan milik negara yang bergerak di bidang telekomunikasi dan pengembangannya memiliki berbagai produk telekomunikasi yang perlu dipasarkan. Masalah yang sering dikeluhkan pada pelaanggan Speedy adalah lampu modem internet mati dikarenakan bagian kabel telepon tidak terpasang dengan benar. Kemudian koneksi lambat dikarenakan traffic jaringan yang sibuk, modem yang perlu di restart, virus, kabel telepon, dan DNS yang sering dipakai kebanyakan orang dan membuat koneksi menjadi lambat. Sedangkan untuk beralih ke produk IndiHome membutuhkan biaya yang cukup mahal karena masalah inilah pelanggan Speedy ada yang berpindah ke IndiHome ataupun masih bertahan pada Speedy. Penelitian ini akan mengklasifkasikan pelanggan dari produk Speedy dan produk IndiHome dengan menggunakan Algoritma Naive Bayes Classifier dan Algoritma K-Nearest Neighbor, pada kedua Algoritma ini dilakukan perbandingan akurasi pada hitungan manual dan pada tools Rapidminer sehingga akurasi yang paling tinggi diambil untuk diterapkan pada sistem klasifikasi pelanggan berbasis web. Dengan klasifikasi ini akan menghasilkan prediksi status pelanggan Speedy dan pelanggan IndiHome. Kata Kunci: IndiHome, K-Nearest Neighbor, Naive Bayes Classifier

Item Type: Thesis (Skripsi)
Subjects: 000 Karya Umum > 003 Sistem-sistem
000 Karya Umum
Divisions: Fakultas Sains dan Teknologi > Sistem Informasi
Depositing User: fsains -
Date Deposited: 27 Oct 2020 02:32
Last Modified: 27 Oct 2020 02:32
URI: http://repository.uin-suska.ac.id/id/eprint/30729

Actions (login required)

View Item View Item