Strategi Optimalisasi Wifi Publik: Pemetaan Perangkat Wifi.Id melalui Klasterisasi Geospasial serta Analisis Traffic & Revenue Berbasis Data

Clara Liufina, Noveria (2025) Strategi Optimalisasi Wifi Publik: Pemetaan Perangkat Wifi.Id melalui Klasterisasi Geospasial serta Analisis Traffic & Revenue Berbasis Data. MBKM thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (481kB)
	PDF BAB_I.pdf Download (737kB)
	PDF BAB_II.pdf Download (633kB)
	PDF BAB_III.pdf Download (3MB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (274kB)
	PDF DAFTAR_PUSTAKA.pdf Download (241kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (3MB)
	PDF LEMBAR_PENGESAHAN.pdf Download (53kB)

Abstract

Wifi.id menghadapi tantangan operasional dalam pengelolaan layanan, di mana proses analisis data seperti inventaris perangkat, trafik pengguna, dan pendapatan masih sangat bergantung pada metode manual. Hal ini menyebabkan inefisiensi dan meningkatkan risiko kesalahan. Permasalahan isu kualitas data, seperti adanya data koordinat geografis tidak valid, yang secara langsung menjadi penghalang dalam upaya pemetaan dan analisis spasial yang efektif. Untuk mengatasi permasalahan tersebut, solusi komprehensif diterapkan menggunakan kerangka kerja CRISP-DM untuk memastikan pendekatan proyek yang terstruktur. Metode Implementasi klasterisasi geospasial pada data inventaris perangkat menggunakan algoritma DBSCAN untuk mengidentifikasi pola persebaran perangkat secara akurat. Hasil penelitian menunjukkan keberhasilan dalam mengidentifikasi 38 klaster persebaran perangkat yang terdefinisi dengan baik. Kualitas klasterisasi ini divalidasi melalui serangkaian metrik, dengan Calinski-Harabasz Index (CHI) sebesar 21.842.2636 sebagai metrik evaluasi terbaik, yang menunjukkan adanya pemisahan yang sangat baik antar klaster. Proyek ini juga terwujudnya sebuah dashboard yang menggantikan laporan manual statis. Dashboard ini menyediakan wawasan strategis yang mendalam bagi tim per witel untuk mengidentifikasi area perangkat dan mendukung perencanaan jaringan, membuktikan efektivitas ilmu data dalam menyelesaikan masalah bisnis yang nyata.

Item Type:	Thesis (MBKM)
Keywords:	Klasterisasi Geospasial, DBSCAN, CRISP-DM, Dashboard
Subjects:	?? T70 ??
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	18 Jul 2025 13:04
Last Modified:	18 Jul 2025 13:04
URI:	https://kc.umn.ac.id/id/eprint/38977

Actions (login required)

View Item