Tesis
Intermittent Demand Forecast Analysis in Telecommunication Company by Using Artificial Neural Network and Seasonal ARIMA (Case Study in PT Ericsson Indonesia)
Pada perusahaan telekomunikasi, jumlah dan interval permintaan seringkali sulit untuk diprediksi dikarenakan adanya ketergantungan yang tinggi terhadap strategi ekspansi pelanggan dan perkembangan teknologi. Permintaan muncul ketika pelanggan hendak melakukan penambahan kapasitas di eksisting lokasi atau membangun jaringan di lokasi baru. Karena pola permintaan yang bersifat sporadis dan penuh dengan ketidakpastian, serta adanya periode yang memiliki jumlah permintaan nol, maka tipe data penelitian dikategorikan sebagai intermittent. Penelitian ini bertujuan untuk membandingkan metode Artificial Neural Network dan Seasonal ARIMA untuk meramalkan permintaan yang bersifat intermittent dalam perusahaan telekomunikasi. Penelitian ini menggunakan data historis permintaan selama enam tahun terakhir. Penelitian ini mempertimbangkan faktor seasonal karena permintaan material akan meningkat selama liburan karena adanya peningkatan traffic jaringan. Dengan membandingkan akurasi peramalan, diperoleh bahwa metode machine learning menggunakan Artificial Neural Network akan memberikan hasil yang lebih unggul dibandingkan metode SARIMA. Peningkatan dalam akurasi peramalan diharapkan berdampak pada komitmen perusahaan dalam memenuhi pesanan secara tepat waktu.
| Call Number | Location | Available |
|---|---|---|
| T 323/21 | PSB lt.2 - Karya Akhir | 1 |
| Penerbit | Jakarta: Program Studi Magister Manajemen Fakultas Ekonomi dan Bisnis Universitas Indonesia 2021 |
|---|---|
| Edisi | - |
| Subjek | Telecommunication Artificial Neural Network Forecasting Accuracy Demand forecast Intermittent Seasonal Autoregressive Integrated Moving Average |
| ISBN/ISSN | - |
| Klasifikasi | NONE |
| Deskripsi Fisik | xi, 70 p. : il. ; 30 cm. |
| Info Detail Spesifik | Tesis |
| Other Version/Related | Tidak tersedia versi lain |
| Lampiran Berkas | Tidak Ada Data |