ABSTRACT
UPT PUSKOM UNS as an service unit needs customer’s complaint handling. Customer’s complaints will be given solutions based on the past complaints which has similarity with the new complaints. Therefore, a method to calculate similarity between new complaint dan the past complaints is needed. The result of the calculation can be used for generating automatic Frequently Asked Questions (FAQ) and relevant solutions.
There are some methods can be used for calculating document similarity, such as VSM. VSM is a method that has efficient procedure, easily represented dan can be implemented in document-matching. Therefore, in this research VSM in generating automatic FAQ and relevant solutions for customer’s complaint in UPT PUSKOM UNS will be used. Weighting term usedTerm Frequency-Inverse Document Frequency (TF-IDF) technique. Compared combinations are TF-IDF it self, logarithmic modified TF and logarithmic modified IDF.  Similarity measure used cosine similarity.
The results of this research are VSM algorithm with TF-IDF weighting can be used to generate automatic FAQ and the relevant solutions. Based on the accuracy calculation of each experiment can be concluded on a threshold 0.5, the combination of TF-IDF notation which has an average rating of highest accuracy and precision is TF-IDF, that is respectively 62.09% and 55.15%. Whereas in the threshold 0.65 that has average rating of the highest accuracy and precision is the first modification, which is respectively 83.18% and 68.35%. Besides that, the experiment using 171 data TF-IDF and threshold 0.65 can generate 27 FAQ, that is percentage70.37% is relevant.
Keyword—Cosine Similarity, Nazief-Adriani, Term Frequency-Inverse Document Frequency, Text Mining, Vector Space Model
ABSTRAK
UPT PUSKOM UNS, sebagai salah satu unit pelayanan sangat memerlukan penanganan keluhan pelanggan. Keluhan-keluhan yang disampaikan customer akan diberikan solusi  yangdidasarkan pada keluhan-keluhan sebelumnya yang mempunyai kemiripan dengan keluhan yang baru. Oleh karena itu diperlukan metode untuk menghitung kemiripan antara keluhan baru dengan keluhan-keluhan yang telah lampau. Hasil perhitungan kemiripan tersebut dapat digunakan dalam pembangkitan Frequently Asked Questions otomatis dan solusi yang relevan.
Terdapat beberapa metode yang dapat digunakan untuk menghitung kemiripan dokumen, salah satunya adalah Vector Space Model. VSM merupakan metode yang  memiliki cara kerja yang efisien, mudah dalam representasi dan dapat diimplementasikan dalam document-matching. Oleh karena itu dalam penelitian ini akan digunakan metode VSMdalam pembangkitan FAQ otomatis dan solusi yang relevan untuk keluhan pelanggan di UPT PUSKOM UNS.Pembobotan term dilakukan dengan teknik Term Frequency-Inverse Document Frequency (TF-IDF).Kombinasi notasi TF-IDF yang dibandingkan adalah TF-IDF itu sendiri, modifikasi logaritmik TF dan modifikasi logaritmik IDF.Similarity measure yang digunakan adalah cosine similarity.
Hasil dari penelitian ini adalah algoritma VSM dengan pembobotan TF-IDF dapat digunakan untuk membangkitkan FAQ otomatis dan solusi yang relevan. Berdasarkan hasil perhitungan accuracy pada masing-masing percobaan dapat disimpulkan bahwa pada threshold 0.5, kombinasi notasi TF-IDF yang memiliki nilai rata-rata accuracy dan precision tertinggi adalah modifikasi pertama, yaitu masing-masing sebesar 62.09% dan 55.15%. Sedangkan untuk threshold 0.65 yang memiliki nilai rata-rata accuracy dan precision tertinggi adalah TF-IDF, yaitu masing-masing sebesar 83.18% dan 68.35%. Selain itu percobaan dengan menggunakan 171 data, TF-IDF dan threshold 0.65 dapat membangkitkan 27 FAQ, yaitu dengan persentase 70.37% relevan.
Kata Kunci—Cosine Similarity,Nazief-Adriani, Term Frequency-Inverse Document Frequency, Text Mining, Vector Space Model