Sistem Klasifikasi Feedback Pelanggan Dan Rekomendasi Solusi Atas Keluhan Di UPT Puskom UNS Dengan Algoritma Naive Bayes Classifier Dan Cosine Similiarity
Abstract: Saat ini, konsumen
dapat menyampaikan keluhan terhadap UPT Puskom UNS melalui mentions terhadap
akun Twitter. Mentions yang diberikan oleh konsumen kemudian diklasifikasikan
apakah mentions tersebut termasuk keluhan, berita atau spam. Klasifikasi
mentions dilakukan menggunakan algoritma Naïve Bayes Classifier berdasarkan
supervised learning. Peningkatan akurasi untuk algoritma Naïve Bayes Classifier
dilakukan dengan menggunakan teknik Laplacian Smoothing. Algoritma Cosine
Similarity digunakan untuk mengelompokkan mentions keluhan yang memiliki term
yang sama. Dari kelompok mentions tersebut, administrator akan memberikan
solusi yang relevan terhadap keluhan. Hasil penelitian menunjukkan bahwa proses
klasifikasi dengan algoritma Naïve Bayes Classifier untuk proses pelatihan
memiliki tingkat akurasi terendah 86.67% dengan data pelatihan sebanyak 30
mentions dan tingkat akurasi tertinggi 100% dengan data pelatihan sebanyak 20 mentions.
Proses pengujian dilakukan secara bertahap dengan tingkat akurasi terendah
adalah 60% yang dicapai pada pengujian pertama dan kedua, sedangkan tingkat
akurasi tertinggi dicapai pada pengujian kelima dan keenam yakni 90%. Mentions
keluhan tidak dapat terkelompokkan dengan algoritma Cosine Similarity karena
jumlah data yang sangat terbatas yakni 29 data dan tidak ada mentions yang
memiliki term sama. Namun setelah dilakukan self-test, mentions keluhan yang
memiliki term sama dapat terkelompokkan dengan baik.
Penulis: Aisha Alfiani
Mahardhika, Ristu Saptono, Rini Anggrainingsih
Kode Jurnal: jptinformatikadd150866