DECISIAN TREE BASED INTERNET SIGNAL QUALITY ANALYSIS ON TELKOM INFRASTRUCTURE

Afidah, Yeni Fitri (2026) DECISIAN TREE BASED INTERNET SIGNAL QUALITY ANALYSIS ON TELKOM INFRASTRUCTURE. S1 thesis, Universitas Ngudi Waluyo.

[img] Text
Yeni Fitri Afidah_146221070_Artikel - Yeni Fitri.pdf
Restricted to Registered users only

Download (423kB)
[img] Text
Yeni Fitri Afidah_146221070_pengesahanartike - Yeni Fitri.pdf

Download (98kB)
[img] Text
Yeni Fitri Afidah_146221070_lampirandepan (2) - Yeni Fitri.pdf
Restricted to Registered users only

Download (2MB)
[img] Text
Yeni Fitri Afidah_146221070_lampiran belakang - Yeni Fitri.pdf
Restricted to Registered users only

Download (96kB)
[img] Text
Yeni Fitri Afidah_146221070_Abstrak - Yeni Fitri.pdf

Download (52kB)
[img] Text
Yeni Fitri Afidah_146221070_BAB I - Yeni Fitri.pdf

Download (86kB)
[img] Text
Yeni Fitri Afidah_146221070_bab_III - Yeni Fitri (1).pdf

Download (159kB)
[img] Text
Yeni Fitri Afidah_146221070_bab_V - Yeni Fitri.pdf

Download (121kB)
[img] Text
Yeni Fitri Afidah_146221070_DAFTAR PUSTAKA - Yeni Fitri.pdf
Restricted to Registered users only

Download (88kB)
[img] Text
Yeni Fitri Afidah_146221070_fulltextpdf(1) - Yeni Fitri.pdf
Restricted to Registered users only

Download (5MB)
[img] Text
Yeni Fitri Afidah_146221070_fulltextdoc(1) - Yeni Fitri.docx
Restricted to Registered users only

Download (5MB)
[img] Text
Yeni Fitri Afidah_146221070_lembar konsul - Yeni Fitri.pdf

Download (1MB)

Abstract

Di era transformasi digital, stabilitas konektivitas internet telah menjadi kebutuhan krusial bagi produktivitas masyarakat. Namun, fluktuasi kualitas sinyal pada infrastruktur penyedia layanan seperti Telkom sering kali menjadi kendala teknis yang sulit diprediksi secara manual. Penelitian ini bertujuan untuk mengotomatisasi klasifikasi kualitas jaringan guna meningkatkan efisiensi pemantauan layanan.Penelitian ini menerapkan algoritma Decision Tree untuk menganalisis performa infrastruktur telekomunikasi. Dataset yang digunakan terdiri dari 5.000 entri data performa jaringan yang bersumber dari repositori Kaggle. Proses analisis melibatkan tahap preprocessing data, pembagian data (split data), hingga pemodelan klasifikasi. Variabel independen yang diuji meliputi kecepatan unduh (download speed), latensi ping, dan packet loss, yang kemudian diklasifikasikan ke dalam tiga label target: Baik, Cukup, dan Buruk. Hasil evaluasi model menunjukkan performa yang sangat impresif dengan tingkat akurasi mencapai 98%. Melalui analisis feature importance, penelitian ini menemukan bahwa kecepatan unduh dan latensi ping merupakan prediktor paling dominan dalam menentukan kualitas sinyal dibandingkan variabel lainnya. Struktur pohon keputusan yang dihasilkan memberikan visualisasi aturan (rule- based) yang transparan, memudahkan tim teknis dalam mengidentifikasi ambang batas penurunan kualitas layanan secara real-time. Pendekatan machine learning dengan algoritma Decision Tree terbukti sangat efektif dan reliabel dalam memetakan kondisi jaringan. Temuan ini memberikan kontribusi praktis bagi penyedia layanan dalam melakukan optimalisasi infrastruktur dan pengambilan keputusan strategis untuk meningkatkan kepuasan pelanggan.

Item Type: Thesis (S1)
Contributors:
ContributionContributorsNIDNEmail
Thesis advisorMujiono, SriNIDN0628048001library@unw.ac.id
Keywords: Decision Tree, Kualitas Sinyal, Telkom, Akurasi Jaringan, Machine Learning, Latensi,Yeni Fitri Afidah NIM146221070
Subjects: T Technology > T Technology (General)
Divisions: Fakultas UNW > S1 Teknologi Informasi
User Id: UPT Perpustakaan UNW 2
Date Deposited: 12 Nov 2026 03:07
Last Modified: 12 Nov 2026 03:07
URI: http://repository2.unw.ac.id/id/eprint/7248

Actions (login required)

View Item View Item