Klasifikasi Menggunakan Naïve Bayes dan K-Nearest Neighbor pada Manajemen Layanan Teknologi Informasi

Riset ini bertujuan untuk melakukan prediksi standar layanan teknologi informasi atau Information Technology Service (ITS) dengan klasifikasi menggunakan Naïve Bayes Classifier (NBC) dan K-Nearest Neighbor (KNN). ITS terhadap arus data yang sangat besar dari setiap titik akses memerlukan standar kelas layanan. Peningkatan produktivitas merupakan konsekuensi ITS. Peningkatan keuntungan merupakan tujuan ITS. Untuk memperoleh produktivitas dan keuntungan, service menjadi kata kuncinya. Oleh karena itu, service untuk kebutuhan bisnis, maka diperlukan ITS. Layanan yang berkualitas dan manfaat maksimal bagi customer (standar dan non standar) merupakan tujuan yang ingin dicapai ITS. Oleh karena itu, perlu dilakukan klasifikasi untuk menentukan kelas layanan berdasarkan ITS. Klasifikasi menghasilkan kelas layanan yang memenuhi standar manajemen layanan teknologi informasi. Klasifikasi menggunakan KNN dengan input numeric, formula jarak (Euclidean Distance), kalkulasi (classified by rank), dan output (determined by majority). Klasifikasi menggunakan NBC dengan input alpha numeric, formula (Bayes Theorem), kalkulasi (classified by probability), dan output (determined by high value)