Implementasi Metode Jaringan Saraf Tiruan Backpropagation Pada Prediksi Payload 4G Di Telkomsel Jember
| Main Author: | Al Kholili, M Rikzal Humam |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2018
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/167005/ |
Daftar Isi:
- 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.