PREDIKSI STATUS PENGIRIMAN BARANG MENGGUNAKAN METODE MACHINE LEARNING
DOI:
https://doi.org/10.33197/jitter.vol6.iss2.2020.396Kata Kunci:
analisis data prediksi, machine learning, waktu pengiriman, transportasi dan logistikAbstrak
Salah satu ukuran kinerja bagi industri logistik, khususnya perusahaan pengiriman barang, adalah ketepatan waktu penghantaran. Hal ini masih menjadi tantangan bagi perusahaan guna menjamin tingkat kepuasan pelanggan dan menurunkan biaya transportasi. Di sisi lain, perkembangan teknologi informasi saat ini memungkinkan organisasi atau perusahaan dapat mengumpulkan data dalam jumlah besar secara otomatis. Metode yang cukup andal yang dapat digunakan dalam melakukan analisis data prediksi adalah machine learning, yaitu metode ekstraksi data menjadi sebuah pola informasi tertentu. Penelitian ini bertujuan untuk mengaplikasikan tiga metode machine learning untuk memperkirakan status pengiriman barang. Metodologi yang digunakan pada penelitian ini mengikuti proses machine learning yang dirilis oleh the Cross Industry Standard Process for Data Mining (CRISP-DM), yaitu; memahami proses bisnis, memahami data, persiapan data, pengembangan model, evaluasi, dan implementasi. Berdasarkan hasil penelitian, metode random forest menghasilkan nilai akurasi yang lebih baik jika dibandingkan dengan metode regresi logistik dan artificial neural network (ANN), yaitu sebesar 76,6%, sedangkan metode ANN dan regresi logistik sebesar 73,81% dan 72,84%.
Kata kunci:
analisis data prediksi, machine learning, waktu pengiriman, transportasi dan logistik
Unduhan
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Submission of a manuscript implies that the submitted work has not been published before (except as part of a thesis or report, or abstract); that it is not under consideration for publication elsewhere; that its publication has been approved by all co-authors. If and when the manuscript is accepted for publication, the author(s) still hold the copyright and retain publishing rights without restrictions. Authors or others are allowed to multiply the article as long as not for commercial purposes. For the new invention, authors are suggested to manage its patent before published. The license type is CC-BY-SA 4.0.
