PREDIKSI CHURN BERDASARKAN KLASIFIKASI SUARA EMOSI MANUSIA MENGGUNAKAN BAYESIAN BELIEF NETWORK

Febri Dwi Cahaya Putra, 04215022 (2019) PREDIKSI CHURN BERDASARKAN KLASIFIKASI SUARA EMOSI MANUSIA MENGGUNAKAN BAYESIAN BELIEF NETWORK. Undergraduate thesis, Universitas Narotama.

	Text (HALAMAN JUDUL) Halaman Judul.pdf Download (8MB)
	Text (BAB I) Bab i.pdf Download (8MB)
	Text (BAB II) Bab ii.pdf Download (8MB)
	Text (BAB III) Bab iii.pdf Download (8MB)
	Text (BAB IV) Bab iv.pdf Download (8MB)
	Text (BAB V) Bab v.pdf Download (8MB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Download (8MB)

Abstract

Penelitian pengenalan emosi berbasis suara telah banyak dilakukan dalam dunia industri. Salah satunya adalah industri telekomunikasi. Turun naiknya jumlah pelanggan atau disebut juga dengan Customer Churn merupakan salah satu permasalahan pada industri telekomunikasi. Penelitian ini membahas mengenai suatu cara untuk memprediksi churn pelanggan yang memanfaatkan proses pengenalan emosi melalui suara yang merujuk pada data panggilan pelanggan salah satu perusahaan telekomunikasi di periode tertentu. Prediksi churn didasari pada pengenalan empat jenis emosi yaitu senang, marah, sedih, dan takut. Metode prediksi customer churn menggunakan Bayesian Belief Network dengan tahapan meliputi penyiapan data, klasifikasi data, pembuatan diagram sebab-akibat, dan pembuatan Bayesian Belief Network. Metode Bayesian Belief Network akan digunakan dalam melakukan prediksi churn yang diambil dari data panggilan pelanggan telekomunikasi pada periode tertentu dalam empat jenis emosi senang, marah, sedih, dan takut, seluruh data tersebut dikelompokkan terlebih dahulu, dilakukan analisis secara terpisah antara fitur pengaruh churn dan fitur suara emosi. Hasil penelitian menunjukkan bahwa pemanfaatan klasifikasi suara emosi manusia sebagai variabel dalam prediksi churn dapat memberikan hasil prediksi pada BBN dengan nilai churn 60% dan tidak churn 40%. Kata Kunci : Prediksi Customer Churn, Suara Emosi Manusia, Bayesian Belief Network

Item Type:	Thesis (Undergraduate)
Subjects:	A General Works > AC Collections. Series. Collected works A General Works > AI Indexes (General)
Divisions:	Fakultas Ilmu Komputer > Sistem Informasi
Depositing User:	Repository Administrator
Date Deposited:	23 Jul 2021 03:57
Last Modified:	09 May 2022 03:52
URI:	http://repository.narotama.ac.id/id/eprint/900

Actions (login required)

View Item

["lib/irstats2:embedded:summary_page:eprint:downloads" not defined]