Arismandika, Putu Alan (2023) KLASIFIKASI LAPORAN TIKET HELPDESK UNTUK RUTE PENUGASAN TEKNISI MENGGUNAKAN BI-LSTM (STUDI KASUS: BPJS KETENAGAKERJAAN). Masters thesis, Universitas Pendidikan Ganesha.
![[img]](http://repo.undiksha.ac.id/style/images/fileicons/text.png) |
Text (COVER)
2129101018-COVER.pdf Download (1MB) |
|
Text (ABSTRAK)
2129101018-ABSTRAK.pdf Download (293kB) |
|
Text (BAB 1 PENDAHULUAN)
2129101018-BAB 1 PENDAHULUAN.pdf Download (302kB) |
|
Text (BAB 2 KAJIAN TEORI)
2129101018-BAB 2 KAJIAN TEORI.pdf Restricted to Repository staff only Download (534kB) | Request a copy |
|
Text (BAB 3 METODELOGI PENELITIAN)
2129101018-BAB 3 METODELOGI PENELITIAN.pdf Restricted to Repository staff only Download (1MB) | Request a copy |
|
Text (BAB 4 HASIL DAN PEMBAHASAN)
2129101018-BAB 4 HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (2MB) | Request a copy |
|
Text (BAB 5 PENUTUP)
2129101018-BAB 5 PENUTUP.pdf Restricted to Repository staff only Download (419kB) | Request a copy |
|
Text (DAFTAR PUSTAKA)
2129101018-DAFTAR PUSTAKA.pdf Download (518kB) |
|
Text (LAMPIRAN)
2129101018-LAMPIRAN.pdf Download (564kB) |
Abstract
Sebagian besar bisnis proses BPJS Ketenagakerjaan diakomodir oleh aplikasi. Dalam operasional layanan kepada masyarakat, masalah yang timbul pada operasional aplikasi dilaporkan melalui sistem helpdesk BPJS Ketenagakerjaan. Masalah aplikasi yang dikirimkan oleh user, terlebih dahulu diidentifikasi oleh operator sebelum diselesaikan oleh teknisi yang memiliki otoritas untuk menyelesaikan permasalahan tersebut. Proses ini berpengaruh pada kecepatan penyelesaian masalah yang menyebabkan menurunnya kepuasan masyarakat terhadap layanan BPJS Ketenagakerjaan. Laporan masalah yang masuk setiap hari sangat banyak, sementara jumlah operator terbatas, sehingga penanganan masalah menjadi terhambat. Penelitian ini dilakukan bertujuan untuk mempercepat proses penanganan oleh teknisi dengan mengotomasi proses identifikasi yang dilakukan oleh operator. Klasifikasi teks menjadi solusi terhadap otomatisasi rute penugasan teknisi oleh operator. Klasifikasi teks yang diterapkan adalah salah satu metode pengembangan dari RNN yaitu BiLSTM. Label atau kelas hasil klasifikasi BiLSTM digunakan sebagai acuan untuk rute penugasan kepada teknisi. Terdapat 13 label atau kelas dimana label atau kelas tersebut merupakan 13 bidang teknisi yang bertugas menyelesaikan masalah aplikasi tersebut. Data yang digunakan pada penelitian ini sebanyak 128.000 data training dan 32.000 data testing yang diambil dari sistem helpdesk BPJS Ketenagakerjaan seluruh Indonesia. Dari 32.000 data testing, sebanyak 29.178 data yang diprediksi benar dan 2.822 data yang diprediksi salah. Secara keseluruhan pengukuran performa BiLSTM dilakukan dengan menggunakan confusion matrix dimana hasil yang didapat untuk seluruh label yaitu accuracy sebesar 91,18%, precision sebesar 95,05%, dan recall sebesar 93,28%.
| Item Type: | Thesis (Masters) |
|---|---|
| Uncontrolled Keywords: | Klasifikasi Teks, Deep Learning, RNN, Bi-LSTM, Helpdesk |
| Subjects: | Q Science > QA Mathematics > QA76 Computer software |
| Divisions: | Pascasarjana > Program Studi Ilmu Komputer (S2) |
| Depositing User: | Putu Alan Arismandika |
| Date Deposited: | 12 Oct 2023 02:25 |
| Last Modified: | 12 Oct 2023 02:25 |
| URI: | http://repo.undiksha.ac.id/id/eprint/17463 |
Actions (login required)
 |
View Item |