Implementasi Metode Jaringan Saraf Tiruan Backpropagation Pada Prediksi Payload 4G Di Telkomsel Jember

Al Kholili, M Rikzal Humam (2018) Implementasi Metode Jaringan Saraf Tiruan Backpropagation Pada Prediksi Payload 4G Di Telkomsel Jember. Sarjana thesis, Universitas Brawijaya.

Abstract

PT. Telkomsel adalah sebuah perusahan pelayanan jasa telekomunikasi seluler terbesar di Indonesia yang memiliki lebih dari satu juta pelanggan yang tersebar di seluruh penjuru daerah Indonesia. Pelanggan Telkomsel tiap tahun mengalami kenaikan dimana kenaikan pelanggan ini akan berpengaruh terhadap payload yang dibagi tiap daerah. Jika payload pada daerah tertentu mengalami kelebihan pemakai maka akan terjadi over lagging. Untuk mengatasi masalah tersebut, peneliti menggunakan metode backpropagation yang akan digunakan untuk memprediksi jumlah payload 4G yang akan terjadi di hari berikutnya, sehingga pegawai Telkomsel dapat mengetahui daerah mana yang harus dilakukan upgrade payload 4G pada hari ke berapa. Penelitian ini menggunakan metode backpropagation dengan arsitektur jaringan 4 neuron node sebagai layer masukan, 6 neuron node sebagai layer tersembunyi dan 1 node sebagai layer keluaran. Setelah beberapa pengujian dilakukan, peneliti menemukan nilai yang paling optimal untuk masalah prediksi payload 4G di Telkomsel dengan nilai learning rate sebesar 0,1 dan iterasi maksimum sebanyak 1000 serta dengan menggunakan 40 data sebagai data latih dan 18 data sebagai data uji. Sehingga menghasilkan sebuha nilai MAPE (Mean Absolute Percentage Error) sebesar 6,0154830745999%. Dengan nilai error sebesar 6,0154830745999% dapat dikatakan bahwa nilai prediksi pada masalah payload 4G di Telkomsel cukup akurat, namun pada beberapa data yang lain bisa saja tidak memperoleh hasil yang akurat.

English Abstract

PT. Telkomsel is the largest cellular telecommunications services company in Indonesia that has more than one million customers spread throughout the Indonesian region. Telkomsel customers each year experience an increase where the increase in customers will affect the payload divided by each region. If the payload in a certain area experiences excess user, there will be over lagging. To overcome this problem, researchers used the backpropagation method which will be used to predict the amount of 4G payload that will occur the next day, so that Telkomsel employees can find out which areas to upgrade the 4G payload to on what day. This study uses the backpropagation method with the network architecture of 4 nodes as the input layer, 6 nodes as hidden layers and 1 node as the output layer. After several tests were carried out, the researchers found the most optimal value for the 4G payload prediction problem in Telkomsel with a learning rate value of 0,1 and a maximum iteration of 1000 and by using 40 data as training data and 18 data as test data. So that it produces an MAPE value (Mean Absolute Percentage Error) of 6,0154830745999%. With an error value of 6,0154830745999% it can be said that the predictive value of the problem of 4G payload in Telkomsel is quite accurate, but in some other data it may not get accurate results.

Item Type:	Thesis (Sarjana)
Identification Number:	SKR/FTIK/2018/1035/051900833
Uncontrolled Keywords:	Implementasi, Jaringan Saraf Tiruan , Payload 4G, Backpropagation-Implementation, Neural Network, Payload 4G, Backpropagation
Subjects:	000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.32 Neural nets (neural networks)
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	soegeng sugeng
Date Deposited:	03 May 2019 02:56
Last Modified:	18 May 2022 02:38
URI:	http://repository.ub.ac.id/id/eprint/167005

Text M Rikzal Humam Al Kholili.pdf Download (2MB)

Actions (login required)

View Item