Implementasi Data Mining Menggunakan Metode K-Nearest Neighbor Untuk Memonitoring Data Pelanggan Oleh PT. Telkom Akses Pematangsiantar

Abstract

Penelitian ini dilatarbelakangi oleh meningkatnya penggunaan WiFi di Indonesia yang menyebabkan peningkatan jumlah pelanggan WiFi PT. Telkom Akses. Efek ini sering menyebabkan keterlambatan proses layanan. Penelitian ini bertujuan untuk mengklasifikasikan keadaan pelayanan sebagai normal atau tidak normal berdasarkan data pelanggan Telkom. Pada penelitian ini, kami mengimplementasikan data mining dengan menggunakan metode k-nearest neighbor. Data yang digunakan adalah 100 dataset dari 10.121 data pelanggan telekomunikasi dari bulan September sampai Oktober 2022. Data dimasukkan ke dalam weka, dengan pemilihan atribut yang terdiri dari 60 data training dan 40 data testing, weka menangani perhitungan dan menyajikan hasil klasifikasi dalam bentuk normal atau tidak normal. Hasil perhitungan klasifikasi pada dataset 100 data menggunakan algoritma k-nearest-neighbor menghasilkan hasil terbaik menggunakan weka dengan nilai kebenaran 81% dan tingkat eror 19%.