Implementasi Metode Jaringan Saraf Tiruan Backpropagation Pada Prediksi Payload 4G di Telkomsel Jember

Abstrak

PT. Telkomsel merupakan salah satu provider telekomunikasi terbesar di Indonesia yang sekaligus memiliki pelanggan paling banyak yang tersebar di seluruh Indonesia. Pelanggan PT. Telkomsel dari tahun ke tahun mengalami terjadinya peningkatan dan hal ini akan mengakibatkan pemakaian jumlah payload yang terus bertambah karena payload adalah semua paket yang diterima dan dikirim oleh handphone ke suatu receiver (penerima sinyal) serta  jika jumlah pemakaian payload  lebih kecil dari jumlah pemakai maka akan terjadi over lagging dan pemakai akan merasa tidak nyaman. Dengan permasalahan tersebut, maka dibutuhkan sebuah implementasi dari beberapa metode prediksi jumlah pemakaian payload 4G agar PT. Telkomsel dapat mengetahui jumlah pemakaian payload 4G di hari atau bulan kemudian sehingga dapat mengantisipasi terjadinya kerugian ataupun komplain dari pelanggan. Dari sekian banyak metode prediksi yang ada, penulis menggunakan metode jaringan saraf tiruan backpropagation untuk melakukan proses prediksi dengan menggunakan arsitektur jaringan saraf tiruan 4 neuron input node, 6 neuron hidden node dan 1 neuron output node. Dengan menggunakan perhitungan MAPE (Mean Absolute Precentage Error) didapatkan nilai paling optimal sebesar 6,0154830745999%.