Sistem Pendukung Analisa Key Performance Indicator (KPI) Menggunakan Metode Data Mining Berbasis Web Python Programming

Aulia Rizqi Wahidah; Yogi Bachtiar; Rayung Wulan

doi:10.30998/jrkt.v2i03.7971

Sistem Pendukung Analisa Key Performance Indicator (KPI) Menggunakan Metode Data Mining Berbasis Web Python Programming

Aulia Rizqi Wahidah, Yogi Bachtiar, Rayung Wulan

Abstract

Abstrak

Tujuan penelitian ini yaitu untuk merancang dan mewujudkan sebuah aplikasi yang membantu pengguna dalam menganalisis data tiket aduan dan pencapaian Key Performance Indicator (KPI) Contact Center berdasarkan data tiket aduan dan membuat sistem yang dapat menampilkan hasil pengolahan data berbasis web python programming. Metode dalam pengolahan data menggunakan Knowledge Discovery In Database (KDD) yang didalamnya ada proses data mining untuk menemukan knowledge baru dalam database. Hasil dari proses KDD, penulis mengembangkan sistem untuk visualisasi data dengan metode waterfall, menggunakan bahasa pemrograman python dan library – library pendukung dalam python.

Kata Kunci : Tiket Aduan, Data Mining, Visualisasi Data, Key Performance Indicator.

Abstract

The purpose of the research is to design and develope an application that helps users analyze complaint ticket data and the achievement of Contact Center Key Performance Indicators (KPI) based on complaint ticket data and create a system that can visualization the results of data processing based on python programming web. The method in data processing uses Knowledge Discovery In Database (KDD) in which there is a data mining process to find new knowledge in the database. The result of the KDD process, the author developed a system for data visualization with waterfall method, using the python programming language and supporting libraries in python.

Keywords: Complaint Ticket, Data Mining, Data Visualization, Key Performance Indicator.

Full Text:

PDF

References

T. Mufizar, D. S. Anwar, and E. Aprianis, “Sistem Pendukung Keputusan Pemilihan Jurusan Dengan Menggunakan Metode SAW Di SMA 6 Tasikmalaya,” Voice Of Informatics, vol. 5, no. 1, pp. 1–13, 2016, [Online]. Available: http://voi.stmik-tasikmalaya.ac.id/index.php/voi/article/view/5/2

Y. Gusnadi and A. Hermawan, “Designing Employee Performance Monitoring Dashboard Using Key Performance Indicator (KPI),” bit-Tech, vol. 2, no. 2, pp. 81–88, 2020, [Online]. Available: http://jurnal.kdi.or.id/index.php/bt%0Ahttp://creativecommons.org/licenses/by/4.0/

D. Sofi, “Analisis dan Prediksi Kinerja Mahasiswa Menggunakan Teknik Data Mining,” Syntak, vol. 2, pp. 1–10, 2013.

A. Taufiqurrahman, A. G. Putrada, and F. Dawani, “Decision Tree Regression with AdaBoost Ensemble Learning for Water Temperature Forecasting in Aquaponic Ecosystem,” 6th Int. Conf. Interact. Digit. Media, ICIDM 2020, no. Icidm, pp. 8–12, 2020, doi: 10.1109/ICIDM51048.2020.9339669.

Yuli Mardi, “Data Mining : Klasifikasi Menggunakan Algoritma C4 . 5 Data mining merupakan bagian dari tahapan proses Knowledge Discovery in Database ( KDD ) . Jurnal Edik Informatika,” J. Edik Inform., vol. 2, no. 2, pp. 213–219, 2019.

I. M. Kamal, T. H. P, and R. Ilyas, “Prediksi Penjualan Buku Menggunakan Data Mining,” Semin. Nas. Teknol. Inf. dan Multimed., pp. 49–54, 2017.

Y. Galahartlambang, T. Khotiah, and J. Jumain, “Visualisasi Data Dari Dataset COVID-19 Menggunakan Pemrograman Python,” J. Ilm. Intech Inf. Technol. J. UMUS, vol. 3, no. 01, pp. 58–64, 2021, [Online]. Available: http://jurnal.umus.ac.id/index.php/intech/article/view/417

F. C. Ningrum, D. Suherman, S. Aryanti, H. A. Prasetya, and A. Saifudin, “Pengujian Black Box pada Aplikasi Sistem Seleksi Sales Terbaik Menggunakan Teknik Equivalence Partitions,” J. Inform. Univ. Pamulang, vol. 4, no. 4, p. 125, 2019, doi: 10.32493/informatika.v4i4.3782.

DOI: https://doi.org/10.30998/jrkt.v2i03.7971