Klasifikasi Keluhan Menggunakan Metode Support Vector Machine (SVM) Pada Akun Facebook Group iRaise Helpdesk
Abstract
Abstrak – Facebook Group iRaise Helpdesk merupakan salah satu layanan media sosial yang digunakan pihak PTIPD UIN Suska Riau sebagai layanan pelanggan (customer services) sistem akademik. Mengingat sistem akademik baru mengalami peralihan yang sebelumnya bernama SIMAK menjadi iRaise, sehingga masih ada permasalahan yang ditimbulkan, dan menjadi keluhan bagi penggunanya. Untuk pengolahan data keluhan, pihak PTIPD masih menggunakan proses manual dengan menggunakan microsoft word dan excel. Sehingga pada penelitian ini akan dilakukan pengklasifikasian permasalahan sistem iRaise pada kategori multiclass yaitu: login, krs, nilai dan personal. Dengan menggunakan metode Support Vector Machine (SVM) dengan kernel RBF. Jumlah dataset sebanyak 1040 data keluhan. Pengujian dilakukan menggunakan aplikasi RapidMiner dan diuji dengan menggunakan 10-Fold cross validation dan diukur dengan confussion matrix. Dari hasil uji coba aplikasi menunjukkan akurasi tertinggi sebesar 95.67% pengujian tanpa menggunakan feature selection pada titik C=2 dan .
Kata Kunci : confussion matrix, cross validation, iraise, keluhan, klasifikasi, rapidminer, support vector machine.
Full Text:
PDFReferences
Ahmad, Fathan H. (2004). Analisis Sentimen dan Klasifikasi Kategori Terhadap Tokoh Publik pada Twitter. Seminar Nasional Informatika (Semnas IF), (No.ISSN:1979-2328). Yogyakarta.
Andi, Nurul H. (2015). Analisis Sentimen Terhadap Wacana Politik Pada Media Masa Online Menggunakan Algoritma Support Vector Machine dan Naive Bayes. Jurnal Elektronik Sistim Informasi dan Komputer, (ISSN).
Berry, M.W. & KOgan, J. (2010). Text Mining Application and Theory. Wiley. United Kingdom.
Devie, Rosa A. (2012). Pemilihan Fitur Optimal untuk Tugas akhir Mahasiswa dengan Metode Support Vector Machine. Institut Teknologi Sepuluh Nopember.
Enda, Esyudha P. (2014). Klasifikasi Keluhan Pelanggan Berdasarkan Tweet Dengan Menggunakan Metode Support Vector Machine (SVM). Institut Teknologi Bandung.
Feldman, R & Sanger, J. (2007). The Text Mining Handbook: Advanced Approaches in Analyzing Unstructured Data.Cambridge University Press New York.
Han, J & Kamber, M. (2006). Data Mining: Concepts and Techniques Second Edition. Morgan Kaufmann Publisher: San Francisco
Hidayati, Asri. (2010). Motivasi dan Kepuasan Menggunakan Jejaring Sosial Facebook.Universitas Sebelas Maret.
Kurniati, Maya. (2014). Klasifikasi Dokumen E-Complaint Kampus Menggunakan Directed Acylic Graph Multiclass SVM. Universitas Brawijaya, Malang.
Kusrini, Dkk. (2009).Algoritma Data Mining. Yogyakarta.
Muningsih, Elly. (2011). Facebook Commerce E-Commerce Pada Media Sosial Facebook yang Modern dan Populer.Amik BSI Yogyakarta.
Noviah, Dwi P. (2014). Analisis Sentimen Twitter untuk Teks Berbahasa Indonesia dengan Maximum Entropy dan Support Vector Machine. IJCCS.
Noviah, Dwi P. (2014). Analisis Sentimen Twitter Untuk Text Berbahasa Indonesia dengan Maximum Entropy dan Support Vector Machine. IJCCS, (No.ISSN: 1978-1520), Yogyakarta.
Pandie, Emerensye S. Y. (2012). Implementasi Algoritma Data Mining K-Nearest Neighbour (KNN) Dalam Pengambilan Keputusan Pengajuan Kredit. Fakutlas Sains dan Teknik, Kupang.
Prasetyo, E. (2012). Data Mining Konsep dan Aplikasi Menggunakan Matlab. Andi.
Ridiansyah S, Fajar, Dkk. (2013). Klasifikasi Posting Twitter Kemacetan Lalu Lintas Kota Bandung Menggunakan Naive Bayesian Classification. Universitas Pendidikan Indonesia, Yogyakarta.
Rifqi, Naufar, Dkk. (2011).Analisa dan Implementasi Klasifikasi Data Mining Menggunakan Jaringan Syaraf Tiruan dan Evolution Strategis. Konferensi Nasional Sistem dan Informatika.
Rina, Yuliana S. (2011) Klasifikasi Parket Kayu Jati Menggunakan Metode Support Vector Machine (SVM). Universitas Gunadarma.
Santosa, Budi. (2007). TutorialSupportVectorMachine. ITS, Surabaya.
Saputra, Nurirwan. (2015). Analisis Sentimen Data Presiden Jokowi dengan Preprocessing Normalisasi dan Stemming Metode Naive Bayes dan SVM. Dinamika Informatika.
Satriono, Anto N. (2008). Pengantar Support Vector machine.
Sembiring, Krisantus. (2007). Penerapan Teknik Support Vector Machine untuk Pendeteksian Instruksi pada Jaringan. ITB, Bandung.
Subandi. (2011). Kesatuan Berbahasa di Facebook Tentang Isu Kenaikan Harga BBM.
Susilowati, Elly. (2014). Implementasi Metode Support Vector Machine Untuk Melakukan Klasifikasi Kemacetan Lalu Lintas Pada Twitter. Universitas Telkom, Bandung.
Tegar, Heru S. (2013). Pengklasifikasian Topik dan Analisis Sentimen Dalam Media Sosial.Seminar Nasional Aplikasi Teknologi Informatika (SNASTI), SC-1.
Wahjono. (2010). Pengaruh Kualitas Layanan dan Penanganan Keluhan Terhadap Loyalitas Nasabah. Universitas Negeri Surabaya.
DOI: http://dx.doi.org/10.24014/coreit.v3i1.3552
Refbacks
- There are currently no refbacks.
 | |  |
| Jurnal CoreIT by http://ejournal.uin-suska.ac.id/index.php/coreit/ is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License. | ||