Optimalisasi K-Means Dalam Pengelompokan Ancaman Insiden Aplikasi Yang Dilaporkan Melalui Service Desk TIK

Rimba Prasasti (Universitas Nusa Mandiri)
Rifki Sadikin
Eni Heni Hermallani

SITEKIN: Jurnal Sains, Teknologi dan Industri
Vol 20, No 1 (2022): Desember 2022

Layanan click, call, counter (3C) merupakan bentuk transformasi layanan digital Perpajakan. Insiden layanan 3C yang terjadi ini dilaporkan melalui Service Desk TIK. Banyaknya laporan insiden membuat kendala dalam penanganan penyelesaian permasalahan. Dengan menggunakan K-Means secara unsupervised learning untuk pengelompokan ancaman insiden diharapkan dapat membantu penyelesaian lebih efektif. Optimalisasi untuk meningkatkan nilai akurasi yang lebih baik dicari menggunakan word embedded dengan algortima Elkan dan algortima Lloyd padaK-Means. Hasil optimal didapatkan pada jumlah kluster 4 yang dievaluasi   menggunakan Silhouette Score, Calinski Harabasz dan Davies-Bouldin Index. Hasil optimal dari penerapan model pada algoritma K-Means dan parameter algoritma Elkan dengan word embedding CountVectorizer didapatkan sebesar 71,94% pengelompokan yang sesuai.