SIDANG TUGAS AKHIR NAMA: DEDI APRIYANTO DOSEN PEMBIMBING: PROF. BUDI SANTOSA. 26 Juli Industrial Engineering Department ITS Surabaya

SIDANG TUGAS AKHIR NAMA: DEDI APRIYANTO DOSEN PEMBIMBING: PROF. BUDI SANTOSA

APLIKASI TEXT MINING PADA TROUBLE TICKET SYSTEM MENGGUNAKAN METODE KLASTERING (STUDI KASUS: PT. TELEKOMUNIKASI INDONESIA DIVISI CONSUMER SERVICE TIMUR - UNIT PELANGGAN KONSUMER) 26 Juli 2013

Industrial Engineering Department | ITS Surabaya

Outline Presentasi

Pendahuluan ~ Tinjauan Pustaka ~ Pengolahan Data ~ Analisis Hasil Penelitian ~ Kesimpulan & Saran ~

Dedi Apriyanto | 2509 100 154

2

Pendahuluan


3

Industri Telekomunikasi Internet berkembang pesat

Penyedia layanan internet banyak

Persaingan ketat Service Management menjadi vital Dedi Apriyanto | 2509 100 154

4

Industri Telekomunikasi Penanganan keluhan mempengaruhi loyalitas

Faktor penyebab keluhan banyak

Divisi Consumer Service Telkom (Customer Service)

Service Rendah

Trouble Ticket System (T3 Online)

Text Mining

Record data tidak dimanfaatkan


5

Tujuan Penelitian 1. Mengolah data free text pada T3 Online Speedy bulan Mei tahun 2013 2. Memanfaatkan informasi free text T3 Online untuk membantu dalam pengambilan keputusan oleh Telkom DCS Timur Unit Pelanggan Konsumer 3. Mengembangkan teknik pengolahan data free text ke dalam bentuk data kuantitatif


6

Batasan & Asumsi Batasan 1. 2. 3.

Data diambil dari database T3 Online untuk wilayah DCS Timur Unit Pelanggan Konsumer untuk produk Speedy pada periode Mei 2013 Pengolahan data dilakukan pada data yang berstruktur teks bebas Penelitian hanya dilakukan sampai tahap penentuan solusi, dan tidak sampai pada tahap implementasi

Asumsi 1.

Proses filtrasi data untuk ir-relevant words mengacu pada Kamus Besar Bahasa Indonesia (KBBI) sedangkan untuk pemilihan keywords didasarkan jurnal review dan diskusi dengan pihak Telkom


7

Tinjauan Pustaka


8

Mekanisme Penggunaan T3 Online

Data terecord dalam History Ticket

Customer melaporkan keluhan

Petugas mencatat laporan keluhan dalam Open Ticket

Petugas mencatat hasil penanganan keluhan dalam Close Ticket

Petugas teknis datang untuk mengatasi keluhan


9

Mekanisme Aplikasi Text Mining Fayyad (2007) dan Medem (2008) Informasi / Knowledge

Labeling dan Pruning Collecting Data

Cleaning Data & Data Preparation

Pengaplikasian Hierarchical Clustering Pembentukan metadata (Biner Matriks dan DF Matriks)

Pemilihan Keywords Filtering Data


10

Metodologi Penelitian


11

Metodologi Penelitian


12

Pengolahan Data


13

Pengumpulan Data Dari 20 field record data history ticket

Diambil 5 field

FIELD

KETERANGAN

DATA

I

NO_TICKET

S.0524.12863

II

NO_SPEEDY

152446204943

III

DIVRE

D5

IV

DATEL

AREA GRESIK

V

HEADLINE

Speedy 152446204943 / SITI AISYAH Gangguan

VI

LAYANAN

SPEEDY

VII

SEGMENTASI

JARINGAN LOKAL

VIII

SUBSEGMENTASI

DP

IX

OPENTIME

41418.28157

X

CLOSETIME

41419.56624

XI

TTR

1.284664352

XII

DATEK_KELUHAN Intermitten / Putus-Putus

XIII

PENYEBAB

GANGGUAN NETWORK RINGAN

XIV

REKOMENDASI

RESTART

NO_TICKET

S.0524.12863

SUMMARY TICKET

Speedy 152446204943 / SITI AISYAH Gangguan JARINGAN LOKAL DP Intermitten / Putus-Putus GANGGUAN NETWORK

RINGAN RESTART


14

Pemodelan - Filtering NO_TICKET

Proses Filtering S.0514.10652

Stemming S.0513.06625

Removal of Frequence Words

SUMMARY TICKET SUMMARY TICKET AFTER STEMMING Speedy 152303233792 / LIEM Proses Modem Ont Modem Ont Rusak ANDREAS ANDRIANTO [Ptgs-Roby / Tidak Bisa Browsing Signal Switch 03172021592] MODEM ZTE RUSAK / CEK DG MODEM TEST OK / / YBS AKAN GANTI SENDIRI MODEM / ONT MODEM / ONT RUSAK Tidak Bisa Browsing SIGNAL SWITCH Speedy 152301207490 / ARIANTO Proses Jaringan Tidak Bisa Connect Gangguan [ptgs:Desna-reset dslam dan Software Rusak Maintenance cek modem error reset modem speedy sdh ok -cp p antoni] DSLAM Tidak Bisa Connect SOFTWARE RUSAK MAINTENANCE

Removal of Ir-relevant Words


15

Pemodelan – Pemilihan Keywords Pemilihan Keywords

Keywords dari T3 Online

Pandi (2005)

Website

Online

Game

Koneksi

Captive

Kabel

… 115 116 117 118 119 120 121 Connect

5

Browsing

4

Portal

3 Power

2 Modem

Keywords dari hasil diskusi dengan Pihak Telkom

1 Router

Literatur Review tentang Trouble Ticket

Keywords Text Mining


16

Pemodelan – Binary Matriks

Power

Kabel

SUMMARY TICKET

Modem

NO_TICKET

Website

KEYWORDS

Pembuatan Metadata

1

2

3

0

0

0

0

0

0

1

0

0

0

0

0

1

0

0

0

8,220

1,306

2,419

354

Binary Matriks 1

DF Matriks

Y = Jumlah data Y = 1, 2, …, 18070 X = Atribut (Keywords) X = 1, 2, … , 121 X = 1, jika atribut dimiliki X = 0, otherwise

2

3

Gangguan Jaringan Lokal Dp S.0524.1286 Intermitten Putus-Putus Gangguan 3 Network Ringan Restart Gangguan Jaringan Lokal Kabel S.0523.1409 Sekunder Petugas Diminta Datang 6 Hardware Rusak Ganti Hardware Gangguan Policy Management S.0523.0709 Service Profile Pelanggan Captive Portal Server Down Sementara 9 Reboot

…

121

… Gangguan Cpe Restart Modem S.0501.1203 Tidak Bisa Browsing Gangguan 18070 7 Teknis Pusat Ganti TOTAL


17

Pemodelan – DF Matriks

Modem

Power

Kabel

Website

KEY WORDS

Pembuatan Metadata

1

2

3

1

Gangguan Jaringan Lokal Dp Intermitten S.0524.12863 Putus-Putus Gangguan Network Ringan Restart

0

0

0

0

2

Gangguan Jaringan Lokal Kabel Sekunder S.0523.14096 Petugas Diminta Datang Hardware Rusak Ganti Hardware

0

0

2419

0

3

Gangguan Policy Management Service S.0523.07099 Profile Pelanggan Captive Portal Server Down Sementara Reboot

0

0

0

0

8220

0

0

0

NO_TICKET

SUMMARY TICKET

Binary Matriks

DF Matriks

Y = Jumlah data Y = 1, 2, …, 18070 X = Atribut (Keywords) X = 1, 2, … , 99

…

99

… Gangguan Cpe Restart Modem Tidak Bisa 18070 S.0501.12037 Browsing Gangguan Teknis Pusat Ganti


18

Klastering Coding MATLAB

Dendrogram


19

Labeling & Pruning Labeling

Pruning


20

Pohon Klaster


21

Analisis Hasil Penelitian


22

Analisis Hasil Klaster Pohon Klaster


23

Analisis Hasil Klaster (2) • Problem gangguan >> modem 1. Restart adalah langkah paling awal apabila terjadi gangguan pada modem. 2. Permasalahan software terkait upgrading adalah memberikan reminder untuk mengupgrade software dan memberikan informasi link pada pelanggan 3. Untuk permasalahan virus , Telkom bisa merekomendasikan antivirus serta memberikan link resmi untuk download maupun update. Sebaiknya sebuah perangkat dilengkapi dengan 2, yaitu antivirus lokal (PCMAV, SMADAV) serta antivirus utama (Kaspersky, AVG, Avira, Avast!) 4. Keluhan tentang perangkat CPE (workstation, router, splitter, antena, lighting protector) ataupun Modem ONT dapat diantisipasi dengan; 1). Memberikan buku petunjuk dan perawatan secara umum untuk meminimalisasi terjadinya kerusakan, 2). Mengantisipasi dengan mengadakan persediaan untuk hardware modem ini terutama ONT yang memiliki presentasi lebih besar. • Problem gangguan >> PC 1. Pada saat browsing, konenkti terputus baik karena crash maupun down adalah disebabkan karena traffic di jaringan yang penuh. Informasi ini dapat dijadikan pedoman untuk membuat kebijakan pembagian jaringan ke daerah menjadi lebih merata. Dedi Apriyanto | 2509 100 154

24

Analisis Hasil Klaster (3) • Problem gangguan >> PC 2. Begitu pula pada permasalahan isolir dan jaringan lokal dapat dijadikan pedoman untuk pergantian perangkat seperti kabel, ataupun penempatan pemancar baru. 3. Koneksi lambar bisa disebabkan karena kabel, kualitas jaringan telepon, jumlah browser aktif di komputer, kesehatan PC. Rekomendasi tentang pemakaian menjadi alternatif solusi. • Problem proses >> koneksi 1. Apabila power mati baik itu karena beberapa komponen yang bermasalah, kabel, ataupun rusak total, merupakan hal yang wajar bagi teknisi Telkom. Rekomendasi yang diberikan adalah dengan dengan memperbaiki tatacara penanganan keluhan tentang power ini, serta dimasukkannya materi penanganan ini ke dalam pelatihan karyawan baru sehingga penanganan keluhan ini dapat diatasi dengan secepat mungkin. 2. Pada ONT baik ONT Modem maupun DSLAM permasalahan konfigurasi sebaiknya diantisipasi dengan memberikan petunjuk yang user interface dan dapat dimengerti baik oleh user yang tidak begitu mengenal teknologi komunikasi.


25

Kesimpulan & Saran Kesimpulan 1. Text Mining dapat digunakan untuk menggali informasi yang tersembunyi dari sebuah data teks seperti pada T3 Online yang bisa dimanfaatkan untuk pendukung pengambilan keputusan 2. Problem gangguan pada Modem ONT serta keluhan koneksi lambat akibat crash , down, terisolir, dan jaringan lokal merupakan keluhan terbanyak pada produk Speedy selama bulan Mei 2013 pada Regional V. Rekomendasi yang diberikan secara umum adalah pembagian jaringan yang lebih merata, pendirian pemancar baru pada daerah strategis, serta inventori perangkat modem yang bisa meningkatkan kecepatan pelayanan dan bisa dijadikan sumber penerimaan. 3. Pengguanaan teknik Text Mining yang dibantu oleh software MATLAB dan Office Excel sangat membatu dalam mengolah, menggali, dan menjadikan informasi dari data yang berukuran sangat besar 4. Perlu adanya pengembangan model baru di dalam teknik Data Mining yang lebih efektif dan efisien untuk menjalankan tahapan Labelling dan Pruning Dedi Apriyanto | 2509 100 154

26

Kesimpulan & Saran Saran 1.

2.

Untuk memudahkan proses pengolahan data menggunakan text mining, Telkom dapat membangun suatu data base kata kunci yang harus disepakati menjadi acuan baku bagi para agen dalam berkomunikasi dengan pelanggan dan Trouble Ticket system agar data base T3 Online dapat menjadi lebih terstruktur. Untuk mempercepat dalam pengolahan, sebaiknya Telkom dapat membangun suatu aplikasi yang mampu melakukan proses filtering, stemming, tokenizing untuk mempercepat dalam proses Text Mining


27

Tinjauan Pustaka Anonim. (2013). Produk & Layanan. . Diakses tanggal 29 Mei 2013 Anonim. (2013). PT. Telekomunikasi Indonesia, Tbk: Operator Telekomunikasi, Informasi, Media & Edutaintment, dan Services (TIMES). . Diakses tanggal 29 Mei 2013 Anonim. (2013). Telkom C4. . Diakses tanggal 29 Mei 2013 Anonim. (2013). T3 Online. . Diakses tanggal 29 Mei 2013 Berry, M.J.A. dan Linoff G.S. (2004). Data Mining Techinique for Marketing, sales, Customer Relationship Management. Second Edition, Wiley Publishing, Inc. BMC Churn Index Survey. (2008). Summary of Finding. BMC Software, p.1-17 Covaci, Stefan., Marchisio, Lucia., and Milham, David J. (1998). Trouble ticketing X interfaces international private leased data circuits and international freephone service. NOMS, p.342-353 Fayyad, U. M, 1996, Advances in Knowledge Discovery and Data Mining. Cambridge, MA: The MIT Press Frontier, H. (2007). 9 Quadrant Analysis Fault Handling Nasional. Nasional Survey, p.1-15 Gupta, Vishal., and Lehal, Gurpreet S. (2009). “A survey of text mining techniques and applications” in “Journal of emerging technologies in web intelligence, vol. 1, no.1 Johnson, D. (1992). “NOC Internal Integrated Trouble Ticket System Functional Speciﬁcation Wishlist.” RFC 1297 Jupiter Research. (2007). Knowledge-Driven Customer Service. Jupiter Research Corporation


28

Tinjauan Pustaka Larose D, T. (2006). Data Mining Methods and Models. Jhon Wiley & Sons, Inc. Hoboken New Jersey Lewis, L. and Dreo, G. (1993). “Extending trouble ticket systems to fault diagnostics,” Network. IEEE Liddy, Elizabert D., Symonenko, S., and Rowe, S. (2006). Sublanguage Analysis Applied to Trouble Tickets. FLAIRS Conference 2006: 752-757 Medem, Amelie., Akodjenou, Marc-Ismael., and Teixeira, Renata. (2008). TroubleMiner: Mining network trouble tickets. LIP6 Laboratory, p.1-7 Ngai, E.W.T., Xiu, Li., and Chau, D.C.K. (2009). Application of data mining techniques in customer relationship management: A literature review and classiﬁcation, p.1-11 Olshon, David., and Shi, Yong. (2007). Introduction to Business Data Mining. McGraw-Hill, New York Santosa, Budi. (2007). Data Mining. Teknik Pemanfaatan Data untuk Keperluan Bisnis. Yogyakarta, Graha Ilmu Thompson, Bob. (2005). The Loyalty Connection: Secrets To Customer Retention And Increased Profits. CRM Guru, p.1-16 Weiss, G. M. Eddy, J., and Weiss, S. (1998). Intelligent Telecommunication Technologies. In KnowledgeBased Intelligent Techniques in Industry. Chapter 8, L. C. Jain, editor, CRC Press


29

Terima Kasih…

SIDANG TUGAS AKHIR NAMA: DEDI APRIYANTO DOSEN PEMBIMBING: PROF. BUDI SANTOSA. 26 Juli Industrial Engineering Department ITS Surabaya

Recommend Documents