Prediksi Jangka Waktu Pengiriman Barang Pada PT. Pos Indonesia menggunakan Backpropagation
DOI:
https://doi.org/10.31154/cogito.v3i1.50.111-122Abstract
Prediksi jangka waktu pengiriman dilakukan dengan tujuan untuk memperoleh tolak ukur waktu pada saat terjadi proses pengiriman sehingga dapat dimanfaatkan sebagai acuan dalam kontrol manajemen pengiriman. Prediksi pengiriman di kantor Pos masih kurang efektif dan cenderung menggunakan prakiraan konvensional. Maka untuk membantu melakukan prediksi pengiriman barang maka perlu dibuat sistem prediksi yang mempunyai tingkat akurasi prediksi yang tinggi.Penelitian ini menggunakan pendekatan komputasi cerdas yaitu Jaringan Syaraf Tiruan dengan algoritma Backpropagation untuk memprediksi waktu pengiriman barang. Backprogagation bekerja dengan memproses data yang dimasukkan kemudian menghasilkan nilai output, jika nilai yang output dihasilkan belum sama dengan nilai label sebenarnya maka dilakukan perambatan balik untuk melakukan perbaikan nilai bobot yang selanjutnya melakukan perhitungan ulang sampai didapat nilai output yang memiliki nilai Root Mean Square Error (RMSE) yang miniminal atau dengan kata lain nilai yang dihasilkan sama dengan nilai label sebenarnya . Dengan menggunakan metode ini dihasilkan nilai error sebesar 2,1111 %. Prediksi dengan menggunakan algoritma Backpropagation terbukti akurat dalam kasus pengiriman barang ini. Kata kunci : Data Mining, Prediksi, Backpropagation, Record, Error, Sample.References
Aziz, W., & Sulardo, R. A. (2013). Persepsi Bauran Pemasaran Konsumen Layanan POS Express di Kantor Pos Jember 68100. JEAM, PP. 61-83.
Kristanto, A. (20004). Jaringan Syaraf Tiruan (Konsep Dasar, Algoritma, dan Aplikasi). Yogyakarta: Gaya Media.
Graupe, D. (2013). Principles of Artificial Neural Networks. World Scientific.
Kosasi, S. (2014). Penerapan MetodeJaringan Syaraf Tiruan Backpropagation Untuk Memprediksi Nilai Ujian Sekolah. Jurnal Teknologi Vol.7 No.1, pp. 22-28.
Rabiha, S. G., & Santosa, S. (2013). Prediksi Data Arus Lalu Lintas Jangka Pendek Menggunakan Optimasi Neural Network Berbasis Genetic Algorithm. Jurnal Teknologi Informasi Vol. 9 No. 2, pp. 54 - 61.
Meinanda, M. H., Annisa, M., Muhandri, N., & Suryadi, K. (2009). Prediksi Masa Studi Sarjana dengan Artifiaial Nural Network. Internet Working Indonesia Jurnal Vol. 1 No.2, pp. 31 - 35.
Downloads
Published
How to Cite
Issue
Section
License
Authors who publish with this journal agree to the following terms:- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).