Prediksi Pola Pengunjung untuk Meningkatkan Kualitas Layanan Menggunakan Teknik Heuristik Pada Optimasi Bobot Backpropagation Neural Network
Abstract
ABSTRAK
Jumlah pengunjung kantor imigrasi yang membuat passport atau melakukan perpanjangan passport setiap bulannya sangat fluktuatif, hal ini bisa menimbulkan masalah bagi kantor Imigasi untuk menjaga kualitas layanan kepada masyrakat, sehingga memerlukan metode prediksi untuk meramalkan kapan akan terjadi lonjakan pengunjung sehingga kualitas layanan tetap terjaga. Untuk itu kantor imigrasi harus memiliki beberapa informasi untuk membuat prediksi. Informasi yang sempurna akan mempermudah dalam prediksi dan prediksi yang baik adalah prediksi secara akurat. Untuk melakukan prediksi secara akurat maka diperlukan metode yang tepat pula. Neural Network atau biasa disebut juga jaringan syaraf tiruan adalah suatu metode komputasi yang meniru system jaringan saraf biologi. Jaringan saraf tiruan ini dibentuk untuk memecahkan suatu masalah tertentu seperti pengenalan pola atau klasifikasi karena proses pembelajaran. Penelitian ini menggunakan Backpropagation Heuristik untuk meningkatkan kecepatan proses pelatihan neuron-neuron dalam melakukan prediksi.
ABSTRACT
The number of visitors to the immigration office making passport or monthly passport renewal is very volatile, this can cause problems for the Immigration Office to maintain the quality of service to the community, thus requiring prediction methods to predict when there will be a surge of visitors so that the quality of service is maintained. For that the immigration office should have some information to make predictions. Perfect information will make it easier to predict and good predictions are accurate predictions. To accurately predict the exact method. Neural Network or also called artificial neural network is a computational method that mimics the system of neural network biology. Artificial neural networks are formed to solve a particular problem such as pattern recognition or classification because of the learning process. This study uses Heuristic Backpropagation to increase the speed of the training process of neurons in making predictions.
References
Bogdan Oancea, Stefan C. , Time Series Forecasting Using Neural Network, 2015, Challenges of The Knowledges Society IT in Social Sciences.
Cao Hongmei, Han Feng, 2014, The Urban Arterial Traffic Flow Forecasting Based On BP Neural Network, Fourth International Conference on Instrumentation and Measurement, Computer, Communication and Control, China.
Liang Lanzhen, ShaoFan, 2010, The Study On Short Time Wind Speed Prediction Based On Time Series Neural Network Algorithm, IEEE.
Mirza Cilimkovic, , 2015, Neural Network and Backpropagation Algorithm, Institute of Technology Blanchardstown, Blanchardstown Road North Dublin 15, Ireland.
J. Kamruzzaman and R.A. Sarker. 2009. "Comparing ANN Based Models with ARIMA for Prediction of Forex Rates," vol. 22, pp. 2-11
Eko P, 2012, Data Mining Konsep dan Aplikasinya Menggunakan Matlab, Yogyakarta, Andi Publisher.
Sri Kusumadewi, 2004, Membangun Jaringan Syaraf Tiruan Dengan Matlab, Yogyakarta, Graha Ilmu.
Tjiptono, Fandy. 2005. Prinsip Prinsip Total Quality Service. Yogyakarta : Penerbit Andi.
Haykin, S., 1994, Neural Networks: A Compr, Jurnal Universitas Panca Marga ehensive Foundation, MacMillanCollege Pub lishing Company.
Kusumadewi, S., 2003, Artificial Intelligence (Teknik dan Aplikasinya), Graha Ilmu, Yogyakarta.
Kusumadewi, S., 2004, Membangun Jaringan Syaraf Tiruan, Graha Ilmu, Yogyakarta
