Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Agusetiana, Ervina
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Transportation

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

Found 1 Documents
Search

 1 
Implementasi Data Mining Pada Pelanggan Telkom Menggunakan Metode K-Nearest Neighbor untuk Memprediksi Status Pelayanan Agusetiana, Ervina; Fitrani, Arif Senja
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 6 No. 1 (2022): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2022
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 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%.
Co-Authors Arif Senja Fitrani