Klasifikasi Jenis Gangguan pada Base Transceiver Station (BTS) menggunakan Algoritma K-Nearest Neighbor, Naïve Bayes, dan Genetic Algorithm

Permintaan dan penggunaan layanan data, payload maupun SMS yang semakin meningkat mengakibatkan sering terjadi kerusakan pada sistem Base Transceiver Station (BTS). Namun demikian deteksi kerusakan tersebut masih dilakukan secara manual, sehingga dinilai kurang optimal dalam segi waktu, subyektifitas, dan tingkat keakuratan. Untuk mengatasi masalah tersebut, tugas akhir ini mencoba melakukan implementasi pengklasifikasian jenis kerusakan pada BTS secara otomatis menggunakan algoritma K-Nearest Neighbor, Naive Bayes, dan Genetic Algorithm. Dataset yang digunakan dalam proses uji coba adalah data BTS dari salah satu operator seluler di Indonesia. Visualisasi dari penerapan algoritma diatas menggunakan perangkat lunak Bot Telegram. Hasil uji coba menunjukkan tingkat akurasi terbaik sebesar 95.45% sehingga algoritma ini dapat digunakan dalam pengklasifikasian jenis kerusakan pada BTS