IMPLEMENTASI METODE SINGLE LINKAGE UNTUK MENENTUKAN KINERJA AGENT PADA CALL CENTRE BERBASIS ASTERISK FOR JAVA

(1)

IMPLEMENTASI METODE SINGLE LINKAGE UNTUK

MENENTUKAN KINERJA AGENT PADA CALL CENTRE

BERBASIS ASTERISK FOR JAVA

JURUSAN TEKNIK TELEKOMUNIKASI

POLITEKNIK ELEKTRONIKA NEGERI SURABAYA

INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA JULI, 2011

Beni Ilham Priyambodo 7207040026

DosenPembimbing:

1.Mike Yuliana, ST, MT. NIP. 197811232002122009

2.Nur Rosyid Mubtada’i, SKom. NIP. 197407182001121001

IMPLEMENTASI METODE SINGLE LINKAGE UNTUK

MENENTUKAN KINERJA AGENT PADA CALL CENTRE

BERBASIS ASTERISK FOR JAVA

JURUSAN TEKNIK TELEKOMUNIKASI

POLITEKNIK ELEKTRONIKA NEGERI SURABAYA

INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA JULI, 2011

Beni Ilham Priyambodo 7207040026

DosenPembimbing:

1.Mike Yuliana, ST, MT. NIP. 197811232002122009

2.Nur Rosyid Mubtada’i, SKom. 197407182001121001

(2)

LATAR BELAKANG

• _{Akses informasi yang cepat}

• _{Kinerja operator / Agent yang bervariasi}

LATAR BELAKANG

Akses informasi yang cepat

(3)

TUJUAN

Membuat sistem

menggunakan Asterisk

dilengkapi dengan metode

untuk menentukan kinerja

TUJUAN

Call Centre dengan

Asterisk for Java, yang

metode Single Linkage

(4)

MASALAH

• Bagaimana

membuat

Call

Asterisk berbasis Java.

• Bagaimana menentukan kinerja

menggunakan parameter N

• Bagaimana

melakukan

menggunakan clustering

dibandingkan dengan clustering

manual.

MASALAH

Call

Centre

menggunakan

kinerja dari operator dengan

N Inbound dan Login Time.

pengelompokan

data

metode Single Linkage jika

clustering menggunakan metode

(5)

BATASAN

 Bahasa

pemrograman

adalah Java

 Voip server yang dibuat

 Metode yang digunakan

Linkage

 Parameter monitoring

Inbound, Login Time,

Time not Ready.

 Parameter

penentuan

meliputi N Inbound dan

BATASAN

pemrograman

yang

digunakan

dibuat berbasis Asterisk

digunakan adalah Single

monitoring operator meliputi N

Time, Handling Time, dan

penentuan

kinerja

operator

(6)

DIAGRAM SISTEM

6

DIAGRAM SISTEM

(7)

BLOK DIAGRAM PEMBUATAN SISTEM

(8)

FLOWCHART SISTEM

(9)

FLOWCHART METODE

SINGLE LINKAGE

start Tentukan k sebagai jumlah cluster

Setiap data dianggap sebagai jumlah cluster, apabila N=jumlah data dan n=jumlah cluster, maka n=N

Hitung jarak antar cluster

Cari 2 cluster yang mempunyai jarak

paling dekat dan gabungkan (n=n-1)

Apakah n=k ?

end Y

(10)

RELASI DATABASE

(11)

Pengujian Sistem

 Keberhasilan Login

 Event saat proses monitoring

 Waktu eksekusi program

 Kebenaran algoritma perhitungan

 Clustering manual

 Waktu eksekusi clustering

 Kebenaran metode Single

 Perbandingan hasil cluster

dan metode Single Linkage

 Penentuan ideal cluster

variance

Pengujian Sistem

monitoring

program java-mysql

perhitungan

clustering manual

Single Linkage

cluster metode manual

Linkage

(12)

KEBERHASILAN LOGIN

USERNAME PASSWORD Beni b3n1 beni B3n1 beni b3n1

KEBERHASILAN LOGIN

PASSWORD KONDISI b3n1 _Sukses B3n1 _Gagal b3n1 _Sukses

(13)

EVENT SAAT MONITORING

KONDISI EVENT

Login ConnectEvent

StatusCompleteEvent Idle PeerStatusEvent

Panggilan Masuk NewChannelEvent

NewExtenEvent,NewCallerId,ExtensionStatusEvent Panggilan Diterima NewStateEvent

LinkEvent

Panggilan Ditutup UnlinkEvent,HangupEvent

ExtensionStatusEvent,CdrEvent

EVENT SAAT MONITORING

StatusCompleteEvent PeerStatusEvent NewChannelEvent, NewStateEvent,DialEvent NewExtenEvent,NewCallerId,ExtensionStatusEvent UnlinkEvent,HangupEvent ExtensionStatusEvent,CdrEvent

(14)

WAKTU EKSEKUSI PROGRAM JAVA

Penguj ian Waktu (ms) 1 3 2 2 3 2 4 2 5 3 6 2 7 1 8 3 9 2 10 2 Rata-rata 2.2 Penguji an Waktu (ms) 1 0 2 0 3 1 4 2 5 1 6 ₀ 7 1 8 1 9 1 10 0 Rata-rata 0.7

Login Time Time not Ready

WAKTU EKSEKUSI PROGRAM JAVA-MYSQL (1)

Penguj ian Waktu (ms) 1 1 2 1 3 1 4 0 5 0 6 ₁ 7 0 8 0 9 0 10 1 Rata-rata 0.5 Penguj ian Waktu (ms) 1 0 2 1 3 1 4 0 5 0 6 ₁ 7 1 8 0 9 1 10 1 Rata-rata 0.6

(15)

WAKTU EKSEKUSI PROGRAM JAVA

(16)

CLUSTERING MANUAL (1)

n > 340 =100 280 < n ≤ 340 = 70 n ≤ 280 = 50 dimana : n = jumlah panggilan N Inbound (n)

Rumus perhitungan nilai total Agent: x = (n + t) ÷ 2

CLUSTERING MANUAL (1)

Login Time (t) t > 54000 =100 396000 < t ≤ 54000 = 70 t ≤ 396000 = 50 dimana :

t = jumlah waktu (detik)

x > 75.5 = baik 50 < x ≤ 75.5 = sedang

x ≤ 50 = buruk

(17)

CLUSTERING MANUAL (2)

Agent N Inbound Login Time

Hasbi

335 ₅₀₄₉₂₁

Ais

326 ₅₁₃₆₇₈

Beni

348 ₅₀₃₂₄₆

Tasya

360 ₅₂₇₇₅₇

Daus

269 ₅₃₀₈₆₁

Asri

303 ₅₀₁₀₉₅

Ayu

260 ₃₂₆₉₇₆

Khusnul

290 ₄₄₅₅₄₅

Dani

328 ₅₃₇₈₂₈

Jai

276 ₃₆₀₀₀₀

CLUSTERING MANUAL (2)

Login Time 504921 513678 503246 527757 530861 501095 326976 445545 537828 360000

(18)

WAKTU EKSEKUSI CLUSTERING MANUAL (1)

uji 1 Agent 2 Agent 3 Agent 4 Agent 5 Agent

1 197 215 224 265 284 2 197 214 250 264 300 3 197 215 225 264 282 4 199 215 224 283 282 5 197 214 225 272 300 6 198 215 224 264 283 7 198 231 224 265 282 8 197 215 243 265 293 9 197 215 224 264 282 10 197 215 225 265 282 Rata-rata (ms) 197.4 216.4 228.8 267.1 287

WAKTU EKSEKUSI CLUSTERING MANUAL (1)

5 Agent 6 Agent 7 Agent 8 Agent 9 Agent 10 Agent 284 300 303 319 349 350 300 295 302 336 330 375 282 293 302 327 329 349 282 293 303 317 329 349 300 293 302 318 346 349 283 292 303 317 329 349 282 294 309 318 329 348 293 294 327 317 329 362 282 294 319 319 329 348 282 294 303 335 330 349 287 294.2 307.3 322.3 332.9 352.8

(19)

WAKTU EKSEKUSI CLUSTERING MANUAL (2)

(20)

KEBENARAN CLUSTERING SINGLE LINKAGE

Agent N Inbound Login Time

Hasbi

335 ₅₀₄₉₂₁

Ais

326 ₅₁₃₆₇₈

Beni

348 ₅₀₃₂₄₆

Tasya

360 ₅₂₇₇₅₇

Daus

269 ₅₃₀₈₆₁

Asri

303 ₅₀₁₀₉₅

Ayu

260 ₃₂₆₉₇₆

Khusnul

290 ₄₄₅₅₄₅

Dani

328 ₅₃₇₈₂₈

Jai

276 ₃₆₀₀₀₀

KEBENARAN CLUSTERING SINGLE LINKAGE

Login Time 504921 513678 503246 527757 530861 501095 326976 445545 537828 360000 Hasil: Cluster 1 = Daus

Cluster 2 = Hasbi, Ais, Beni, Tasya, Asri, Khusnul, Sufi

Cluster 3 = Ayu, Jai

Dengan menggunakan rumus euclidean distance, didapat klasifikasi cluster sebagai berikut:

Cluster 1 = kelompok baik Cluster 2 = kelompok sedang Cluster 3 = kelompok buruk

(21)

PERBANDINGAN HASIL CLUSTERING METODE

MANUAL DENGAN METODE SINGLE LINKAGE

• _{Berdasarkan waktu eksekusi}

• _{Jumlah anggota masing}

• _{Anggota dari}

masing-PERBANDINGAN HASIL CLUSTERING METODE

MANUAL DENGAN METODE SINGLE LINKAGE

Berdasarkan waktu eksekusi

Jumlah anggota masing-masing cluster

-masing cluster

(22)

WAKTU EKSEKUSI PROGRAM (untuk 10 Agent) dalam

satuan ms

Pengujian Metode Manual

1 ₃₅₀ 2 ₃₇₅ 3 ₃₄₉ 4 ₃₄₉ 5 ₃₄₉ 6 ₃₄₉ 7 ₃₄₈ 8 ₃₆₂ 9 ₃₄₈ 10 ₃₄₉ Rata-rata (ms) _352.8

WAKTU EKSEKUSI PROGRAM (untuk 10 Agent) dalam

satuan ms

Metode Manual Metode Single Linkage

350 176 375 179 349 173 349 219 349 201 349 168 348 162 362 179 348 194 349 196 352.8 184.7

(23)

JUMLAH AGENT DALAM CLUSTER

(24)

ANGGOTA DALAM CLUSTER

(25)

PENENTUAN CLUSTER IDEAL MENGGUNAKAN

METODE VARIANCE (1)

 Digunakan untuk mengukur

penyebaran data-data

 Ada dua penilaian yaitu

◦ Berdasar nilai varian maksimum

yang memiliki nilai

dikatakan memiliki cluster

◦ Berdasar nilai varian minimum

yang memiliki nilai

dikatakan memiliki cluster

 Metode varian yang

berdasar nilai varian minimum

PENENTUAN CLUSTER IDEAL MENGGUNAKAN

METODE VARIANCE (1)

mengukur nilai hasil

data hasil clustering.

yaitu:

maksimum

varian paling besar

cluster yang ideal

minimum

nilai varian paling kecil

cluster yang ideal

yang digunakan yaitu

minimum

(26)

PENENTUAN CLUSTER IDEAL MENGGUNAKAN

METODE VARIANCE (2)

Metode Manual

Nilai varian

1.4172645672185147

Kesimpulan :

metode manual

lebih baik dibandingkan dengan disebabkan cluster yang dibentuk

mengacu pada standarisasi sehingga bahwa hasil yang didapat sempurna

PENENTUAN CLUSTER IDEAL MENGGUNAKAN

METODE VARIANCE (2)

Manual

Metode Single Linkage

1.4172645672185147

1.4568698006373213

manual menghasilkan cluster yang metode single linkage. Hal ini dibentuk menggunakan metode manual sehingga sudah dapat dipastikan sempurna.