Prediksi Persentase Penyelesaian Permohonan Hak Milik Menggunakan Metode Extreme Learning Machine (ELM)
| Main Author: | Puspaningrum, Meilinda Dwi |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2020
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/183484/ |
Daftar Isi:
- Sertipikat Hak Milik merupakan salah satu jenis sertipikat dimana pemiliknya memiliki hak penuh atas kepemilikan tanah pada wilayah dengan luas tertentu yang telah disebutkan dalam sertifikat tersebut. Pada tahun 2018, Badan Pertanahan Nasional (BPN) terdapat program PTSL yang merupakan proses pendaftaran tanah. Metode PTSL ini merupakan inovasi pemerintah melalui Kementrian ATR/BPN untuk memenuhi kebutuhan dasar masyarakat seperti sandang, pangan dan papan. Proses pelayanan sertifikat tanah masyarakat, Badan Pertanahan Nasional (BPN) Kabupaten Malang memiliki kendala dimana dalam proses tersebut membutuhkan waktu lebih lama dari yang sudah di tentukan sehingga menyebabkan jumlah Sertipikat Hak Milik yang dapat diselesaikan setiap bulannya menjadi lebih rendah daripada jumlah permohonan yang masuk. Pada permasalahan ini menyebabkan terjadinya penumpukan pekerjaan oleh para staf dari waktu ke waktu. Beberapa faktor yang menyebabkan permasalahan ini salah satunya kurangnya SDM yang belum memadai khususnya staf pengukuran dilapangan dan staf pengolah data. Oleh karena itu, untuk memudahkan dalam proses pelayanan sertipikat tanah di butuhkan proses prediksi persentase penyelesaian permohonan hak milik menggunakan metode Extreme Learning Machine (ELM). Berdasarkan hasil pengujian parameter yang telah dilakukan menggunakan metode Extreme Learning Machine (ELM) dengan data permohonan hak milik dari tahun 2014 – 2019 pada pengujian perbandingan data training dan data testing menghasilkan nilai evaluasi paling terkecil dari semua pengujian yaitu sebesar 2.878% dengan menggunakan metode MAPE. Pada perbandingan data training dan data testing pengujian hasil tersebut terdapat pada perbanding data sebesar 30%:70% dengan banyak neuron 2 buah dan fungsi aktivasi yang dipakai sigmoid biner.