peramalan pemakaian pulsa telepon pelanggan untuk analisa

Tugas Akhir - 2006
PERAMALAN PEMAKAIAN PULSA TELEPON PELANGGAN UNTUK ANALISA
KELAYAKAN INVESTASI (STUDI KASUS : PT.TELKOM AREA KANDATEL
PURWOKERTO) FORECASTING OF USAGE TELEPHONE PULSE SUBSCRIBER
TO ANALYSE INVESMENT ELEGIBILITY ( CASE STUDY : PT.TELKOM
KANDATEL PURWOKERTO
Titik Mulyani¹, -²
¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom
Abstrak
Dalam melakukan suatu investasi jaringan telepon, PT. Telkom memerlukan pengetahuan
mengenai pemakaian pulsa telepon pelanggan. Untuk melakukan peramalan pemakaian pulsa
telepon di PT. Telkom, pada tugas akhir ini akan digunakan metode peramalan dengan
menggunakan JST (Jaringan Syaraf Tiruan) Backpropagation. Keunggulan utama JST adalah
kemampuan komputasi yang paralel dengan cara belajar dari pola-pola yang diajarkan.
Setelah hasil peramalan pulsa telepon didapatkan, maka akan dilakukan suatu analisa investasi.
Metode yang digunakan untuk penilaian investasi yaitu NPV, IRR, dan PBP.
Dari penelitian yang telah dilakukan, akurasi peramalan JST mencapai 88,20%. Proses
perhitungan analisa kelayakan investasi sangat bergantung dari akurasi peramalan JST.
Kata Kunci : peramalan pulsa, jaringan syaraf tiruan backpropagation, NPV, IRR, PBP.
Abstract
In doing a network invesment phone, PT. Telkom need the knowledge about the subscribers
telephone pulse usage. To do telephone pulse usage forecasting in PT. Telkom, in this final duty a
backpropagation ANN (Artificial Neural Network) is used to do the forecasting. The main
advantage of ANN is the parallel computation ability by learning from the patternsthat had been
taught.
After getting the result of the telephone pulse usage forecasting, an invesment analysis will bw
conduct. NPV, IRR, and PBP are the methods used to do invesment assessment.
From the research that has been done, ANN forecasting reached 88,20%. Measurement process of
invesment elegibility analyse is very dependent to the ANN forecasting accuracy.
Keywords : forecasting pulse, artificial neural network backpropagation, NPV, IRR, PBP.
Fakultas Teknik Informatika
Powered by TCPDF (www.tcpdf.org)
Program Studi S1 Teknik Informatika
Tugas Akhir - 2006
BAB I
PENDAHULUAN
1.1 Latar Belakang
PT. TELKOM sebagai salah satu perusahaan telekomunikasi terbesar di Indonesia
harus mampu secara efektif menyeleksi investasi-investasi yang memang menghasilkan
benefit lebih banyak dan lebih cepat. Perhitungan analisa kelayakan investasi sangat
ditentukan oleh faktor-faktor yang mempengaruhi pendapatan dan pengeluaran investasi.
Salah satu faktor dominan yaitu peramalan pemakaian pulsa telepon pelanggan pada tahun
mendatang yang termasuk dalam pendapatan investasi.
Selama ini peramalan pemakaian pulsa telepon pelanggan tidak dapat terukur secara
akurat karena peramalan masih dilakukan dengan prediksi manual, yaitu hanya berdasarkan
prediksi kasar dari orang yang terlibat langsung dalam menganalisa kelayakan investasi. Hasil
peramalan yang kurang akurat dapat menyebabkan kesalahan perhitungan analisa kelayakan
investasi sehingga menyebabkan kesalahan kebijakan investasi yang dilakukan perusahaan.
Salah satu cara yang diharapkan dapat mengatasi masalah ini adalah dengan
mengimplementasikan metode Jaringan Syaraf Tiruan (JST). Arsitektur JST yang paling
populer adalah Multilayer feed-forward dengan metode pembelajaran Propagasi Balik.
Keunggulan utama JST adalah kemampuan komputasi yang paraLel dengan cara belajar dari
pola-pola yang diajarkan. Dalam proses belajarnya JST dapat melakukan Adaptive learning
pola-pola pemakaian pulsa telepon pelanggan, sehingga JST mampu meramalkan pemakaian
pulsa telepon pada tahun mendatang.
Hasil peramalan pemakaian pulsa telepon pelanggan selanjutnya akan digunakan
dalam perhitungan dan analisa investasi. Perhitungan harus tepat agar dapat menilai dan
menentukan investasi yang menguntungkan ditinjau dari segi ekonomis. Ada beberapa
metode yang akan digunakan untuk penilaian investasi yaitu metode NPV (Net Present
Value), IRR (Internal Rate Return) dan PBP (Payback Period). Hasil dari tugas akhir ini
diharapkan dapat memberikan informasi sebagai bahan pertimbangan mengenai kebijakan
investasi.
1
Fakultas Teknik Informatika
Program Studi S1 Teknik Informatika
Tugas Akhir - 2006
1.2 Perumusan Masalah
Berdasarkan latar belakang, maka dapat dirumuskan masalah sebagai berkut :
1.
Bagaimana meramalkan pemakaian pulsa telepon pelanggan di suatu daerah
menggunakan data input yaitu data keluarga sejahtera, potensi pedagang, estimasi
kebutuhan telepon, luas wilayah, PDRB dan ARPU(n-2) suatu daerah. Output yang
dihasilkan berupa hasil peramalan pemakaian pulsa telepon pelanggan pada 2 tahun
berikutnya. Peramalan akan dilakukan menggunakan metode Jaringan Syaraf TiruanPropagasi Balik (JST-BP).
2.
Hasil peramalan pemakaian pulsa telepon pelanggan digunakan sebagai acuan pada
analisa kelayakan investasi dengan menggunakan metode NPV, IRR, dan PBP.
1.3 Tujuan Penelitian
Tujuan dari tugas akhir ini adalah :
1.
Melakukan peramalan pemakaian pulsa telepon pelanggan dengan menggunakan
metode Jaringan Syaraf Tiruan.
2.
Membuat perangkat lunak sebagai alat bantu dalam peramalan pemakaian pulsa
telepon pelanggan dan analisa kelayakan investasi.
Diagram blok sebagai ilustrasi perangkat lunak yang akan dikerjakan pada tugas akhir ini
adalah sebagai berikut :
3.
Menganalisa hasil penelitian peramalan menggunakan metode JST-BP.
2
Fakultas Teknik Informatika
Program Studi S1 Teknik Informatika
Tugas Akhir - 2006
1.4 Batasan Masalah
Pembahasan tugas akhir ini hanya dibatasi pada :
1. Data masukan dibatasi pada variabel yang sesuai dengan karakteristik yang
mempengaruhi kebutuhan pemakaian telepon pelanggan yaitu data keluarga sejahtera,
potensi pedagang, estimasi kebutuhan telepon, luas wilayah, PDRB dan ARPU(n-2) suatu
daerah.
2. Data input dan output yang digunakan adalah data yang sudah siap diolah.
3. Penilaian akurasi dilakukan berdasarkan perbandingan data hasil peramalan dengan data
observasi yang sebenarnya.
4. Analisa kelayakan investasi dihitung dengan metode NPV, IRR, dan PBP dimana akan
dihasilkan output apakah suatu investasi dianggap layak atau tidak untuk dilaksanakan.
1.5 Metodologi Penelitian
Metode penyusunan tugas akhir ini adalah sebagai berikut :
1. Studi Literatur
Mempelajari literatur-literatur yang berhubungan dengan peramalan dengan teknik
jaringan syaraf tiruan backpropagation dan mempelajari literatur yang berhubungan
dengan metode NPV, IRR, dan PBP untuk melakukan analisa kelayakan investasi.
2. Pengumpulan data
Mengumpulkan data karakteristik yang mempengaruhi estimasi kebutuhan telepon
pelanggan yang telah akurat dan data mengenai cara perhitungan analisa kelayakan
investasi.
3. Perancangan
Merancang
bagaimana
proses
pembelajaran
dan
pengujian
peramalan
telepon
menggunakan metode JST-BP, serta bagaimana proses perhitungan kelayakan
investasinya menggunakan metode NPV, IRR, dan PBP.
4. Implementasi
Melakukan coding dengan membangun sistem menggunakan Delphi 7.0 dan database
Access yang meliputi pembangunan suatu jaringan syaraf tiruan backpropagation untuk
peramalan dan perhitungan analisa kelayakan investasi dengan NPV, IRR, dan PBP.
3
Fakultas Teknik Informatika
Program Studi S1 Teknik Informatika
Tugas Akhir - 2006
5. Pengujian sistem dan analisa hasil
Melakukan proses pengujian terhadap keakuratan hasil dan performansi JST-BP jika
dibandingkan dengan metode tanpa menggunakan metode JST-BP jika dilihat dari segi
akurasi serta melakukan analisa terhadap kelebihan dan keterbatasannya.
6. Mengambil kesimpulan
1.6 Sistematika Penulisan
Penyusunan tugas akhir ini berdasarkan sistematika sebagai berikut:
BAB I
PENDAHULUAN
Bab ini akan membahas kerangka penelitian atau percobaan dalam tugas akhir,
meliputi latar belakang, perumusan masalah, tujuan, batasan masalah, metode
penyelesaian masalah, dan sistematika penulisan.
BAB II
LANDASAN TEORI
Bab ini memuat dasar teori yang mendukung dan mendasari penulisan tugas akhir
ini, yaitu mengenai teknik jaringan syaraf tiruan dengan teknik pembelajaran
backpropagation dan teknik analisa kelayakan investasi dengan metode NPV,
IRR, dan PBP.
BAB III
ANALISIS DAN PERANCANGAN SISTEM
Bab ini berisi langkah-langkah perancangan sistem peramalan pemakaian pulsa
telepon dan analisa kelayakan investasi, mencakup aliran data (DAD), kamus
data, spesifikasi proses dan struktur proses.
BAB IV
IMPLEMENTASI DAN PENGUJIAN SISTEM
Bab ini menjelaskan implementasi perangkat lunak, uji coba terhadap keakuratan
hasil dan performansi perangkat lunak, serta melakukan analisa terhadap
kelebihan dan keterbatasannya.
BAB V
KESIMPULAN DAN SARAN
Bab terakhir ini menjelaskan kesimpulan secara umum dari seluruh rangkaian
penelitian yang dilakukan dan saran untuk pengembangan selanjutnya.
4
Fakultas Teknik Informatika
Powered by TCPDF (www.tcpdf.org)
Program Studi S1 Teknik Informatika
Tugas Akhir - 2006
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Dari hasil analisis terhadap pengujian yang dilakukan pada sistem peramalan
pemakaian pulsa telepon pelanggan untuk analisa kelayakan investasi, maka dapat ditarik
kesimpulan sebagai berikut :
1. Sistem peramalan pemakaian pulsa telepon pelanggan untuk analisa kelayakan
investasi dapat digunakan untuk meramalkan pemakain pulsa telepon pelanggan perbulan pada 2 tahun mendatang. Berdasarkan hasil pengujian, sistem dapat mencapai
akurasi peramalan rata-rata 88,20% yang pengujiannya dilakukan dengan asumsi :
a. Hidden neuron
: 10
b. Minimum MSE
: 0,000001
c. learning rate
: 0,5
d. momentum
: 0,8
e. epoch maksimum
:10.000 epoch
2. Beberapa parameter yang mempengaruhi tingkat akurasi hasil peramalan sistem
adalah sebagai berikut :
a. Minimum MSE, semakin kecil nilai minimum MSE maka hasil peramalan pulsa
pelanggan yang dihasilkan akan semakin akurat. Namun semakin kecil nilai
minimum MSE membutuhkan waktu pelatihan jaringan yang besar. Dengan
sample yang digunakan pada tugas akhir ini, nilai minimum MSE yang
menghasilkan akurasi hasil prediksi sebesar-besarnya dalam waktu yang
sesingkat-singkatnya adalah minimum MSE sebesar 3,46x10-5.
b. Hidden neuron. Dengan sample yang digunakan pada tugas akhir ini, akurasi
hasil peramalan cenderung optimal untuk data latih adalah adalah jaringan
dengan jumlah hidden neuron 1, sedangkan untuk data uji adalah jaringan
dengan jumlah hidden neuron 25
c. Learning rate. Nilai learning rate yang kecil akan mengakibatkan jaringan
memerlukan waktu yang lama untuk mencapai minimum error, akan tetapi
perubahan MSE cukup stabil. Sedangkan learning rate yang besar
mengakibatkan minimum MSE dapat tercapai dengan cepat tetapi jaringan
47
Fakultas Teknik Informatika
Program Studi S1 Teknik Informatika
Tugas Akhir - 2006
tidak stabil. Dari sample yang digunakan didapat akurasi yang paling optimal
adalah jaringan dengan nilai awal learning rate = 1.
d. Momentum. Nilai momentum yang besar mengakibatkan jaringan lebih cepat
mencapai target error, jika dibandingkan dengan momentum yang kecil.
3. Dari hasil perhitungan akurasi peramalan, peramalan menggunakan Sistem Peramalan
Pemakaian Pulsa Telepon pelanggan dibandingkan dengan peramalan tanpa sistem
hasil peramalan pemakaian pulsa telepon pelanggan (ARPU) mendapatkan akurasi
lebih bagus jika menggunakan sistem ini yaitu sebesar 88,20%, sedangkan peramalan
tanpa sistem akurasinya sebesar 81,90%.
5.2 Saran
Pengembangan yang dapat dilakukan pada tugas akhir ini adalah :
1. Untuk tingkat keakuratan yang lebih tinggi, dapat ditambahkan lebih banyak lagi data
dan frekuensi pelatihan dari daerah-daerah yang berbeda.
2. Untuk meningkatkan akurasi peramalan, dapat juga menggunakan metode lain selain
JST-BP.
48
Fakultas Teknik Informatika
Powered by TCPDF (www.tcpdf.org)
Program Studi S1 Teknik Informatika
Tugas Akhir - 2006
DAFTAR PUSTAKA
[1]
Bambang DP, Budi dkk, 1999. Teknik Jaringan Syaraf Tiruan Feedforward untuk
Prediksi Harga Saham pada Pasar Modal Indonesia, Universitas Kristen Petra).
[2]
Handayani, Irma, 2002. Iris Identification using Gabor Wavelet Filter and Neural
Network. Bandung: STT Telkom.
[3]
Haykin, Simon, 1994. Neural Networks, Acomprehensive Foundation, Macmillan
College publishing Company, USA.
[4] Kanata, Bulkis, 2001. Analisis Sinyal Seismik pada Gunung Merapi untuk Estimasi Jenis
gempa dengan Menggunakan Jaringan Syaraf Tiruan, Universitas Gadjah Mada,
Yogyakarta.
[5]
Kusumadewi, Sri, 2004. “Membangun Jaringan Syaraf Tiruan menggunakan MATLAB
& EXCEL LINK”, Graha Ilmu.
[6]
Newman, Donald G., 1990. Engineering Economic Analysis, Binarupa Aksara, Jakarta.
[7]
Robert J. Scghalhoft, “Artificial Inteligence An Engineering Approach”, Mcgraw-Hill
International Editions, 1997.
[8] Subiyanto, ST. , Aplikasi Jaringan Syaraf Tiruan Sebagai Metode Alternatif Prakiraan
Beban Jangka Pendek.
[9] Syamsuri, Liza Mahavianti, 1999. Analisis Kelayakan Penggunaan Kartu Telepon
Smart/CHIP Teknologi Eropa (EURO CHIP) di Indonesia. Bandung: STT Telkom.
49
Fakultas Teknik Informatika
Powered by TCPDF (www.tcpdf.org)
Program Studi S1 Teknik Informatika