REPORTING DISRUPTION ANALYSIS BASED ON CLUSTERING IN AREA TELECOMMUNICATION CENTRAL JAKARTA

SEPTIAWAN, HADI (2020) REPORTING DISRUPTION ANALYSIS BASED ON CLUSTERING IN AREA TELECOMMUNICATION CENTRAL JAKARTA. S1-Sarjana thesis, Universitas Mercu Buana Jakarta.

[img] Text (JURNAL MAHASISWA)
Yudisium Hadi Septiawan.pdf
Restricted to Registered users only

Download (1MB)

Abstract

In this paper, we conducted research on STO which has the most disruption in Central Jakarta Area in a telecommunication company. We applied the DBSCAN algorithm in conducting research because the algorithm was very compatible with the data obtained. DBSCAN is a density-based spatial grouping algorithm that can also define anomalies in a data series, so the denser the data the clusters will be formed. Here we used the silhouette index as a validation process to evaluate the results of grouping. The silhouette index values for each object represent how well each object is located in the cluster. After we determined the dataset to be processed, the DBSCAN Algorithm was implemented. to determine the value of Eps and MinPts to be tested in order to get maximum silhouette results. In this journal we use Eps 1.0 and Minpts 10 because from the results of the arrangement we obtained the desired result that was, making 5 clusters with the largest Index Silhouette (0,9862). From these results we get the conclusion that STO Cempaka Putih is the STO with the most disturbances, while for STO Kemayoran it is the STO with the least disturbance. For this type of disturbances, it can be concluded from all clusters that the telephone off / no tone is the most interference type of all clusters. Meanwhile, for the outlier analyzed, the outlier was not Noise but the location of customers who are in STO A but the technical network is registered in STO B; this is usually called the east west connection. Key words: Data mining, Clustering, DBSCAN, Complain Handling, Comunication Dalam tulisan ini, kami melakukan penelitian tentang STO yang memiliki gangguan paling besar di Wilayah Jakarta Pusat di sebuah perusahaan telekomunikasi. Kami menerapkan algoritma DBSCAN dalam melakukan penelitian karena algoritma itu sangat kompatibel dengan data yang diperoleh. DBSCAN adalah algoritma pengelompokan spasial berbasis kepadatan yang juga dapat menentukan anomali dalam seri data, sehingga semakin padat data cluster akan terbentuk. Di sini kami menggunakan indeks siluet sebagai proses validasi untuk mengevaluasi hasil pengelompokan. Nilai indeks siluet untuk setiap objek mewakili seberapa baik setiap objek berada di gugus. Setelah kami menentukan dataset yang akan diproses, Algoritma DBSCAN diimplementasikan. untuk menentukan nilai Eps dan MinPts yang akan diuji untuk mendapatkan hasil siluet maksimum. Dalam jurnal ini kami menggunakan Eps 1.0 dan Minpts 10 karena dari hasil pengaturan kami memperoleh hasil yang diinginkan yaitu, membuat 5 cluster dengan Indeks Siluet terbesar (0,9862). Dari hasil ini kami mendapatkan kesimpulan bahwa STO Cempaka Putih adalah STO dengan gangguan terbesar, sedangkan untuk STO Kemayoran adalah STO dengan gangguan paling sedikit. Untuk jenis gangguan ini, dapat disimpulkan dari semua kluster bahwa telepon mati / tidak ada nada adalah tipe interferensi paling banyak dari semua kluster. Sementara itu, untuk outlier yang dianalisis, outlier itu bukan Kebisingan tetapi lokasi pelanggan yang berada di STO A tetapi jaringan teknis terdaftar di STO B; ini biasanya disebut koneksi barat timur. Kata kunci: Data mining, Clustering, K-Means, K-Medoids, Dbscan, Complain Handling, Comunication

Item Type: Thesis (S1-Sarjana)
Call Number: JM/15/19/200
NIM: 41515110108
Uncontrolled Keywords: Data mining, Clustering, K-Means, K-Medoids, Dbscan, Complain Handling, Comunication
Subjects: 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum
000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 004 Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika
000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 020 Library and Information Sciences/Perpustakaan dan Ilmu Informasi > 025 Operations, Archives, Information Centers/Operasional Perpustakaan, Arsip dan Pusat Informasi, Pelayanan dan Pengelolaan Perpustakaan > 025.5 Service to Users/Layanan Kepada Pengguna Perpustakaan > 025.52 Reference and Information Services/Layanan Referensi dan Informasi > 025.523 Cooperative Information Services/Layanan Informasi
000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 020 Library and Information Sciences/Perpustakaan dan Ilmu Informasi > 025 Operations, Archives, Information Centers/Operasional Perpustakaan, Arsip dan Pusat Informasi, Pelayanan dan Pengelolaan Perpustakaan > 025.5 Service to Users/Layanan Kepada Pengguna Perpustakaan > 025.52 Reference and Information Services/Layanan Referensi dan Informasi > 025.524 Information Search and Retrieval/Pencarian dan Temu Kembali Informasi
Divisions: Fakultas Ilmu Komputer > Informatika
Depositing User: Virda Syifa
Date Deposited: 24 Sep 2020 05:33
Last Modified: 24 Sep 2020 05:33
URI: http://repository.mercubuana.ac.id/id/eprint/51399

Actions (login required)

View Item View Item