DESAIN MODEL PERAMALAN JUMLAH KERUSAKAN SIM CARD

Eka Mala Sari Rochman* -  Teknik Multimedia dan Jaringan, Fakultas Teknik Universitas Trunojoyo Madura, Indonesia
Imamah Imamah -  Manajemen Informatika, Fakultas Teknik, Universitas Trunojo Madura, Indonesia
Aeri Rachmad -  Manajemen Informatika, Fakultas Teknik, Universitas Trunojo Madura, Indonesia

DOI : 10.24269/mtkind.v12i1.640

Informasi memiliki arti yang sangat penting dalam era globalisasi seperti saat ini. Kesuksesan seseorang bahkan ditentukan dari kemampuannya mengakses dan mengolah informasi. Alat untuk mengakses informasipun dibuat sesimple dan sepraktis mungkin. Para penyedia layanan provider bersaing untuk memberikan layanan terbaik dalam bidang pengaksesan informasi. Hal terpenting bagi perusahaan provider adalah mengetahui prediksi kerusakan kartu sim per tahun guna mempersiapkan kartu pengganti bagi setiap laporan yang akan diajukan pelanggan. Kepuasan pelanggan merupakan tolak ukur penting dari quality of service sebuah perusahaan. Pada penelitian ini mendesain model peramalan menggunakan metode Extreme Learning Machnie (ELM). Sebelum data diolah menggunakan metode ELM, data dinormalisasi kemudian diinputkan pada setiap neuron input. Arsitektur yang digunakan menggunakan 1 lapisan input dengan 5 neron, 1 lapisan hidden layer dengan jumlah neuron sebanyak 5 dan 1 lapisan output.  Metode ELM bobot parameter input dipilih secara random, hingga menghasilkan good generalization performance karena tiap parameter bobot input dan hidden bias saling berhubungan dengan layer lainnya.

Keywords
peramalan, kartu sim, pengguna, elm.
  1. Nur Indrianti, Yunto Satrio, Peta Persaingan Produk Kartu Seluler Berdasarkan Segmen Konsumen , SPektrum Industri 2015
  2. Dwi Agustina Irwin Penerapan Metode Extreme Learning Machine untuk Peramalan Permintaan. Sistem Informasi-ITS Surabaya, Indonesia, 2009.
  3. Fauzi Rahmad. Pengantar Peramalan Dalam Telekomunikasi. Jurusan Teknik Elektro Fakultas Teknik Universitas Sumatera Utara : 2004.
  4. Nasution, Arman H., Perencanaan dan Pengendalian Produksi, Penerbit Guan Widya, Jakarta, 1999.
  5. Kusumadewi, Sri, Artificial Intelligence (Teknik dan Aplikasnya), Graha Ilmu, Yogyakarta, 2003.
  6. Dhaneswara, Giri dan Moertini, Veronica S., Jaringan Saraf Tiruan Propagasi Balik Untuk Klasifikasi Data, Jurusan Ilmu Komputer, Universitas Katolik Parahyangan, Bandung, 2004.

Full Text:
Article Info
Submitted: 2017-10-10
Published: 2018-09-05
Section: Artikel
Article Statistics: