KLASIFIKASI KELUHAN PELANGGAN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) STUDI KASUS PT TELKOM AKSES WITEL SURABAYA SELATAN

Yogaswara, M Rizal (2021) KLASIFIKASI KELUHAN PELANGGAN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) STUDI KASUS PT TELKOM AKSES WITEL SURABAYA SELATAN. Undergraduate thesis, Universitas 17 Agustus 1945 Surabaya.

[img] Text
ABSTRAK.pdf

Download (2MB)
[img] Text
BAB 1.pdf

Download (134kB)
[img] Text
BAB 2.pdf
Restricted to Repository staff only

Download (973kB) | Request a copy
[img] Text
BAB 3.pdf
Restricted to Repository staff only

Download (1MB) | Request a copy
[img] Text
BAB 4.pdf
Restricted to Repository staff only

Download (5MB) | Request a copy
[img] Text
BAB 5.pdf
Restricted to Repository staff only

Download (115kB) | Request a copy
[img] Text
LAMPIRAN.pdf

Download (150kB)
[img] Text
JURNAL.pdf
Restricted to Registered users only

Download (7MB) | Request a copy
[img] Text
JURNAL TURNITIN.pdf

Download (3MB)

Abstract

Pentingnya pengolahan data di era modern ini membuat manusia membutuhkan tools yang efektif untuk mengolah data. Pemanfaatan kecerdasan buatan di berbagai aspek kehidupan manusia saat ini semakin banyak digunakan. Deep learning merupakan cabang dari pembelajaran mesin dan memiliki keunggulan ketika digunakan untuk melakukan klasifikasi data. Klasifikasi data didapatkan dengan menggunakan model identifikasi yang dibentuk dengan algoritma convolutional neural network (CNN) yang menerapkan konsep dari deep learning. Penelitian ini bertujuan untuk mengklasifikasikan data keluhan pelanggan menjadi 4 kelas yaitu internet, iptv, voice dan other (nn) menggunakan metode CNN. Data dari keluhan pelanggan diambil dari aplikasi website NOSSA yang biasa dioperasikan oleh helpdesk assurance PT Telkom Akses. Pada penelitian ini diperoleh akurasi sebesar 77 % dari sebanyak 114 data yang diujikan.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: klasifikasi data, deep learning, pembelajaran mesin, convolutional neural network
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions: Fakultas Teknik > Program Studi Teknik Informatika
Depositing User: M Rizal Yogaswara
Date Deposited: 30 Aug 2021 20:48
Last Modified: 22 Jul 2022 07:30
URI: http://repository.untag-sby.ac.id/id/eprint/9587

Actions (login required)

View Item View Item