Implementasi Vector Space Model dalam Pembangkitan Frequently Asked Questions Otomatis dan Solusi yang Relevan untuk Keluhan Pelanggan
Abstract: Salah satu
keunggulan dari sebuah lembaga/unit pelayanan adalah seberapa cepat dan akurat
dalam menangani keluhan pelanggan. Keluhan yang disampaikan pelanggan umumnya
memiliki kesamaan dengan keluhan-keluhan sebelumnya, sehingga solusi dari
keluhan baru dapat didasarkan pada solusi yang diberikan pada keluhan lama.
Vector Space Model (VSM) merupakan salah satu model yang digunakan untuk
mengetahui kemiripan dokumen, yang digunakan dalam membangkitkan FAQ otomatis.
Pembobotan term dilakukan dengan teknik Term Frequency-Inverse Document
Frequency (TF-IDF). Kombinasi notasi TF-IDF yang dibandingkan adalah TF-IDF itu
sendiri, modifikasi logaritmik TF dan modifikasi logaritmik IDF. Similarity
measure yang digunakan adalah cosine similarity. Hasil dari penelitian ini
adalah algoritma VSM dengan pembobotan TF-IDF dapat digunakan untuk
membangkitkan FAQ otomatis dan solusi yang relevan. Berdasarkan hasil
perhitungan accuracy pada masing- masing percobaan dapat disimpulkan bahwa pada
threshold 0.5, kombinasi notasi TF-IDF yang memiliki nilai rata-rata accuracy
dan precision tertinggi adalah modifikasi pertama, yaitu masing-masing sebesar
62.09% dan 55.15%. Sedangkan untuk threshold 0.65 yang memiliki nilai rata-rata
accuracy dan precision tertinggi adalah TF-IDF, yaitu masing-masing sebesar
83.18% dan 68.35%. Selain itu percobaan dengan menggunakan 171 data, TF-IDF dan
threshold 0.65 dapat membangkitkan 27 FAQ, yaitu dengan persentase 70.37%
relevan.
Keywords: Cosine Similarity,
Term Frequency-Inverse Document Frequency, Text Mining, Vector Space Model
Penulis: Abdul Aziz, Ristu
Saptono, Kartika Permatasari Suryajaya
Kode Jurnal: jptinformatikadd150809
