Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Prosiding Seminar Nasional Teknologi Informasi dan Bisnis
Daffa Ebtra Satria
Teknik Informatika, Universitas Duta Bangsa
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering Physics

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
PENERAPAN CONTENT-BASED FILTERING UNTUK REKOMENDASI TROUBLESHOOTING JARINGAN FIBER OPTIK Daffa Ebtra Satria; Joni Maulindar; Vihi Atina
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Jaringan fiber optik merupakan infrastruktur utama dalam sistem telekomunikasi modern dengan keunggulan kecepatan dan kapasitas Bandwidth, namun tetap rentan terhadap gangguan seperti redaman tinggi, kerusakan konektor, dan kondisi kabel yang tidak optimal. Proses troubleshooting di lapangan masih bergantung pada pengalaman teknisi sehingga kurang efisien dan belum memanfaatkan data historis secara optimal. Penelitian ini bertujuan mengimplementasikan metode Content-based filtering untuk memberikan rekomendasi troubleshooting berbasis data historis gangguan. Metode penelitian meliputi pengumpulan data dari observasi lapangan dan dataset eksternal, Preprocessing, ekstraksi fitur, representasi data dalam bentuk vektor, serta perhitungan kemiripan menggunakan cosine similarity. Atribut yang digunakan meliputi jenis konektor, kondisi kabel, indikator lampu modem, dan status koneksi, sedangkan nilai redaman hanya digunakan sebagai indikator awal. Hasil penelitian menunjukkan bahwa sistem menghasilkan nilai kemiripan yang variatif dengan nilai similarity tertinggi mencapai 1.000, yang menunjukkan kecocokan sempurna antara kasus baru dan data historis. Hasil tersebut digunakan sebagai dasar rekomendasi troubleshooting yang relevan, sehingga sistem mampu membantu teknisi dalam mempercepat identifikasi dan penanganan gangguan secara lebih sistematis dan efisien.
Co-Authors Maulindar, Joni Vihi Atina