ABSTRAKSI: Perkembangan teknologi saat ini telah berkembang dengan pesat. Hal ini juga berdampak positif terhadap bidang telekomunikasi. Munculnya penerapan dan pengembangan teknologi telekomunikasi yaitu GSM (Global Sistem for Mobile) mengakibatkan semakin bertambahnya konsumen dari waktu ke waktu. Yang pada akhirnya mengakibatkan jumlah pelanggan bergejolak dengan tingkat ketidakpastian yang tinggi. Ketidakpastian jumlah pelanggan tersebut dapat mempengaruhi kinerja server yang berujung kepada pelayan konsumen tidak maksimal. Oleh karena itu, dibutuhkanlah suatu sistem yang dapat memprediksi jumlah pelanggan GSM. Pendekatan prediksi yang banyak dipergunakan adalah metode kuantitatif dengan subkategori metode time series.
Dalam tugas akhir ini dikaji salah satu permasalahan prediksi data time series dalam bidang telekomunikasi yaitu memprediksi pergerakan jumlah panggilan yang membebani sebuah server dengan menggunakan Elman Recurrent Neural Network. Pendekatan yang dilakukan dalam memprediksi jumlah pelanggan adalah analisa teknikal yang berdasarkan data masa lalu.
Berdasarkan hasil dari tugas akhir ini diketahui bahwasanya hal-hal yang mempengaruhi hasil prediksi adalah arsitektur jaringan syaraf tiruan yang digunakan yaitu Backpropagation Through Time, tingkat pelatihan, bobot, dan banyaknya pelatihan. Dan didapatkan akurasi rata-rata sistem 95%. Dan akurasi terbaik sebesar 95.8168% dengan menggunakan arsitektur 30 10 1, Learning Rate 0.01, dan Epoch 1000 kali.
Kata Kunci : jumlah panggilan, prediksi, data time series, Elman Recurrent NeuralABSTRACT: Recently the development of technology is growing fast. It also has a positive impact to telecomunication issues. More applicated dan developed telecominications technology such as GSM (Global System for Mobile) make an impact raise more customer time by time. Then make an uncertainly wave of customer higher. The uncertainly number of call make a server of telecomunication work not optimal. We need a system that can predict the number of customer of GSM with time series prediction.
In this final project studied about time series prediction in telecommunications scope is predicting calling movement that use a seerver with Elman recurrent neural network. Elman recurrent neural network is used to predict number of custumer for a next day based on historical data. Based on the result of this final project, these are some factors that influence accuracy of prediction result, such as acrhitecture of artificial neural network in this case used Backpropagation Through Time, learning rate, weight, and epoch. And accuracy rate from sistem 95%. And the highest accuracy is 95.8168% that used archytecture 30 10 1, Learning Rate 0.01, and Epoch 1000 times.
Keyword: number of calling, prediction, time series data, Elman Recurrent Neural