IMPLEMENTASI ALGORITMA SIMILARITAS LANCE&WILLIAMS PADA CASE-BASED REASONING UNTUK PENYELESAIAN MASALAH DATA INTERNET PELANGGAN CORPORATE PT TELKOM INDONESIA
Abstract
PT Telkom Indonesia merupakan salah satu Internet Service Provider (ISP) terbesar di Indonesia dengan produknya untuk kalangan perusahaan, sehingga tidak menutup kemungkinan adanya dampak yang berimbas ke layanan data internet, di samping itu pelanggan corporate membutuhkan waktu yang cepat untuk penanganan gangguan karena layanan digunakan untuk operasional perusahaan. Salah satu yang ikut andil dalam gangguan tersebut adalah kurang pahamnya pelanggan terhadap produk data internet seperti pelanggan melapor gangguan hanya untuk meminta edukasi kembali terhadap layanan yang digunakan, selain itu gangguan yang seharusnya dapat ditangani sendiri oleh pelanggan, karena kesalahan yang dilakukan oleh pelanggan sendiri dengan sengaja maupun tidak sengaja. Saat ini diperlukan suatu aplikasi yang dapat mempermudah penanganan gangguan, dengan cara pemberian suatu rekomendasi penyelesaian masalah data internet berdasarkan indikator lampu yang terdapat di modem dan keluhan yang dirasakan oleh pelanggan corporate dengan menerapkan metode Case Based Reasoningdan algoritma Lance and Williams. Algoritma similaritas Lance&Williams dalam penelitian ini digunakan sebagai salah satu algoritma alternatif dalam mencari nilai similaritas, karena biasanya dalam case based reasoning cara yang dilakukan untuk mencari nilai similaritas adalah dengan menggunakan metoda KNN (K-Neareast Neighbour). Pada penelitian ini semua indikator diberikan nilai bobot 1. Pemberian nilai bobot 1 pada setiap indikator akan memberikan cara perhitungan yang lebih sederhana dan cepat, namun tingkat akurasi kemiripan akan berkurang bila dibandingkan dengan perhitungan similaritas yang menggunakan kriteria pembobotan. Nilai kemiripan antara konsultasi dengan gangguan yang terdapat dalam basisdata ditentukan berdasarkan jumlah kesamaan antara indikator pada konsultasi dibandingkan dengan indikasi pada gangguan dalam hal ini disebut sebagai nilai ‘a’. Semakin tinggi nilai ‘a’, maka kemungkinan besar nilai kemiripan juga akan semakin tinggi pula.
References
[2] Prayuda, A., Wibisono, S., & Hadikurniawati, W. (2018), Implementasi Sistem Pakar Untuk Rekomendasi Masakan Tradisional Jawa Tengah Dengan Metode Case Based Reasoning Menggunakan Algoritma Similaritas Czekanowski. SINTAK, 2.
[3] Pahlawan, A. R., & Wibisono, S. (2017), Implementasi Case Based Reasoning untuk Sistem Diagnosis Hama dan Penyakit Tanaman Cabe Merah Menggunakan Algoritma Similaritas Neyman. SINTAK, 1.
[4] Setiawan, A., & Wibisono, S. (2019), Case Based Reasoning Untuk Mendiagnosa Penyakit dan Hama Pada Tanaman Mangga Menggunakan Algoritma Similaritas Sorgenfrei. Dinamik, 23(1), 1-10.
[5] Aconcagua, P. A., & Wibisono, S. (2017), Sistem Pakar Menggunakan Case Based Reasoning Dengan Algoritma Similarity Probabilistic Symmetric untuk Mendeteksi Hama dan Penyakit Tanaman Anggrek Dendrobium. SINTAK, 1.
[6] Andriana, (2008), Sistem Penalaran Komputer Berbasis Kasus (Case BasedReasoning-CBR), Yogyakarta, Ardana Media, p.17.
[7] Aamodt. A., dan Plaza E., 1994, Case Based Reasoning: Foundational Issues, Methodological Variations,and System Aproaches, IA Com-Artifical Intellegence Communication, IOS Press, Vol. 7. Ed. 1.
[8] Choi, S. S., Cha, S. H., & Tappert, C. C. (2010). A Survey of Binary Similarity and Distance Measures, Journal of Systemics, Cybernetics and Informatics, 8(1), 43-48.