IMPLEMENTASI MACHINE LEARNING UNTUK KLASIFIKASI PENGADUAN PERKARA PADA BADAN PENYELESAIAN SENGKETA KONSUMEN

Akbar, Zein Rizqa (2023) IMPLEMENTASI MACHINE LEARNING UNTUK KLASIFIKASI PENGADUAN PERKARA PADA BADAN PENYELESAIAN SENGKETA KONSUMEN. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (485kB)
	Text (BAB I) BAB I.pdf Download (162kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (735kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (141kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (803kB)
	Text (BAB V) BAB V.pdf Download (32kB)
	Text (DAFTAR PUSTAKA-LAMPIRAN) Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (155kB)
	Text (PUBLIKASI) Publikasi-21.21.1503-Zein Rizqa Akbar - ZEIN RIZQA AKBAR 21.21.1503.pdf Restricted to Repository staff only Download (517kB)

Abstract

Dinamika perkembangan ekonomi akan berpengaruh pada perubahan pola konsumsi dan perilaku masyarakat, ketika masyarakat cenderung memiliki pola konsumtif dan kurang kritis menghadapi membanjirnya produk yang beredar, maka akan lemah posisi tawarnya dan sulit untuk memperjuangkan hak-hak nya. Kondisi ini menuntut perbaikan dalam mewujudkan tata kelola pemerintahan yang baik, dimana tidak cukup dilakukan oleh pemerintah saja, melainkan juga harus dilakukan oleh dunia usaha dan diikuti dengan peningkatan peran masyarakat secara mandiri. Tentu konsumen yang cerdas akan menuntut pelaku usaha untuk semakin bertanggung jawab dalam memproduksi dan memasarkan produknya. Disinilah peran lembaga Badan Penyelesaian Sengketa Konsumen sebagai elemen yang menengahi antara konsumen dan penjual. Alat bantu yang dapat mengklasifikasi data pengaduan tersebut adalah teknologi machine learning menggunakan K-NN (K-Nearest Neighbors). Metode ini bertujuan untuk mengklasifikasikan objek baru berdasarkan atribut dan training sample. Diberikan suatu titik query, selanjutnya akan ditemukan sejumlah K objek atau titik training yang paling dekat dengan titik query. Nilai prediksi dari query akan ditentukan berdasarkan klasifikasi. Kemudian hasil kinerja model akan diuji dengan metode confusion matrix agar didapat nilai precision, sensitivity, dan accuracy. Implementasi metode KNN dalam mengklasifikasi seleksi pengaduan perkara berjalan dengan akurat dengan nilai pengujian 100% untuk precision, sensitivity, dan accuracy. Metode ini dapat menjadi solusi bagi BPSK untuk mengklasifikasi apakah perkara yang diajukan oleh pelapor termasuk dalam kategori kasus konsumen.

Actions (login required)

View Item