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.
Text
ABSTRAK.pdf Download (2MB) |
|
Text
BAB 1.pdf Restricted to Repository staff only Download (134kB) | Request a copy |
|
Text
BAB 2.pdf Restricted to Repository staff only Download (973kB) | Request a copy |
|
Text
BAB 3.pdf Restricted to Repository staff only Download (1MB) | Request a copy |
|
Text
BAB 4.pdf Restricted to Repository staff only Download (5MB) | Request a copy |
|
Text
BAB 5.pdf Restricted to Repository staff only Download (115kB) | Request a copy |
|
Text
LAMPIRAN.pdf Download (150kB) |
|
Text
JURNAL.pdf Download (7MB) |
|
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: | 14 Mar 2024 02:07 |
URI: | http://repository.untag-sby.ac.id/id/eprint/9587 |
Actions (login required)
View Item |