Implementasi Vector Space Model dalam Pembangkitan Frequently Asked Questions Otomatis dan Solusi yang Relevan untuk Keluhan Pelanggan

Abdul Aziz, Ristu Saptono, Kartika Permatasari Suryajaya

Abstract


Salah satu keunggulan dari sebuah lembaga/unit pelayanan adalah seberapa cepat dan akurat dalam menangani keluhan pelanggan. Keluhan yang disampaikan pelanggan umumnya memiliki kesamaan dengan keluhan-keluhan sebelumnya, sehingga solusi dari keluhan baru dapat didasarkan pada solusi yang diberikan pada keluhan lama. Vector Space Model (VSM) merupakan salah satu model yang digunakan untuk mengetahui kemiripan dokumen, yang digunakan dalam membangkitkan FAQ otomatis. Pembobotan term dilakukan dengan teknik Term Frequency-Inverse Document Frequency (TF-IDF). Kombinasi notasi TF-IDF yang dibandingkan adalah TF-IDF itu sendiri, modifikasi logaritmik TF dan modifikasi logaritmik IDF. Similarity measure yang digunakan adalah cosine similarity. Hasil dari penelitian ini adalah algoritma VSM dengan pembobotan TF-IDF dapat digunakan untuk membangkitkan FAQ otomatis dan solusi yang relevan. Berdasarkan hasil perhitungan accuracy pada masing- masing percobaan dapat disimpulkan bahwa pada threshold 0.5, kombinasi notasi TF-IDF yang memiliki nilai rata-rata accuracy dan precision tertinggi adalah modifikasi pertama, yaitu masing-masing sebesar 62.09% dan 55.15%. Sedangkan untuk threshold 0.65 yang memiliki nilai rata-rata accuracy dan precision tertinggi adalah TF-IDF, yaitu masing-masing sebesar 83.18% dan 68.35%. Selain itu percobaan dengan menggunakan 171 data, TF-IDF dan threshold 0.65 dapat membangkitkan 27 FAQ, yaitu dengan persentase 70.37% relevan.


Keywords


Cosine Similarity, Term Frequency-Inverse Document Frequency, Text Mining, Vector Space Model

Full Text:

PDF

References


Metehan, T., Yasemin, Z. A. 2011. Demographic Characteristics and Complaint Behavior: An Empirical Study Concerning Turkish Customers. International Journal of Business and Social Science, Vol. 2, No. 9.

Andreassen, T.W. 1999. What Drives Customer Loyalty with Complaint Resolution?. Journal of Service Research, Vol. 1, No. 4.

Anonim. 2014. Profil UPT Puskom. [Online] Available at: http://puskom.uns.ac.id/profil-upt-puskom/. Diakses pada tanggal 11 Agustus 2015.

Junedy, R.. 2014. Perancangan Aplikasi Deteksi Kemiripan Isi Dokumen Teks dengan Menggunakan Metode Levenshtein Distance. Pelita Informatika Budi Darma, Vol. 7, No. 2.

Wicaksono, D. W., Irawan, M. I., Rukmi, A. M.. 2014. Sistem Deteksi Kemiripan Antar Dokumen Teks Menggunakan Model Bayesian Pada Term Latent Semantic Analysis (LSA). Jurnal Sains dan Seni POMITS, Vol. 3, No. 2.

Heriyanto. 2011. Penggunaan Metode Exact Match untuk Menentukan Kemiripan Naskah Dokumen Teks. Telematika, Vol. 8, No. 1, 43-52.

Isa, T. M., Abidin, T. F.. 2013. Mengukur Kesamaan Paragraf Menggunakan Vector Space Model untuk Mendeteksi Plagiarisme. Seminar Nasional dan Expo Teknik Elektro.

Amin, F.. 2011. Implementasi Search Engine (Mesin Pencari) Menggunakan Metode Vector Space Model. Dinamika Teknik, Vol. 5, No. 1, 45-48.

Asshidiq, A., Saptono, R., Sulistyo, M. E.. 2013. Penilaian Ujian Bertipe Essay Menggunakan Metode Text Similarity. Informatika. Universitas Sebelas Maret. Surakarta.

Grossmann, D., Fieder, O.. 2004. Information Retrieval: Algorithm and Heuristic, Second Edition. Springer, Dordrecth, The Netherlands.

Agusta, L.. 2009. Perbandingan Algoritma Stemming Porter dengan Algoritma Nazief & Adriani untuk Stemming Dokumen Teks Bahasa Indonesia. Konferensi Nasional Sistem dan Informatika, 196-201.

Robertson, S.. 2005. Understanding Inverse Document Frequency: On Theoretical Arguments for IDF. England: Journal of Documentation, Vol. 60, 502-520.

Karmayasa, O., Mahendra, I. B.. 2012. Implementasi Vector Space Model dan Beberapa Notasi Metode Term Frequency Inverse Document Frequency (TF- IDF) pada Sistem Temu Kembali Informasi. Jurnal Elektronik Ilmu Komputer Universitas Udayana, Vol. 1, No. 1

Xia, T., Chai, Y.. 2011. An Improvement to TF-IDF: Term Distribution based Term Weight Algorithm. Journal of Software, Vol. 6, No. 3.

Robertson, S.. 2005. Understanding Inverse Document Frequency: On Theoretical Arguments for IDF. England: Journal of Documentation, Vol. 60, 502-520.

Usharani, J., Iyakutti, K.. 2013. A Genetic Algorithm Based on Cosine Similrity for Relevant Document Retrieval. International Journal of Engineering Research & Technology (IJERT), Vol. 2, Issue 2.

Mandala, R., Setiawan, H.. 2002. Peningkatan Performansi Sistem Temu- Kembali Informasi dengan Perluasan Query Secara Otomatis. Departemen Teknik Informatika. Institut Teknologi Bandung. Bandung.

Muhajir, R. B.. 2012. Metode Similarity-Mashup untuk Framework Modul Relevant Content pada Content Management System (CMS). Informatika. Universitas Sebelas Maret. Surakarta.




DOI: https://doi.org/10.15294/sji.v2i2.5076

Refbacks

  • There are currently no refbacks.




Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.