ABSTRAKSI: Dengan semakin berkembangnya teknologi informasi, nilai trafik suatu jaringan GSM dapat diperkirakan dengan melihat data historis (time series) trafik yang sudah ada sebelumnya. Pembuatan sistem ini diharapkan dapat membantu suatu perusahaan telekomunikasi dalam mengambil keputusan akan strategi layanan yang akan diambil. Dengan sistem ini, perusahaan dapat melihat bagaimana kecenderungan pertumbuhan trafik GSM. Dengan demikian, perusahaan dapat melakukan langkah antisipasi akan pertumbuhan trafik tersebut dan dapat menggunakannya sebagai pedoman untuk melakukan re-engineering network elemen.
Pada tugas akhir ini dikembangkan suatu sistem untuk memperkirakan nilai trafik jaringan GSM berdasarkan data historis trafik yang bersangkutan dengan menggunakan jaringan syaraf tiruan (JST) yang dilatih menggunakan Algoritma Genetika (AG) dengan melihat nilai fitness-nya.
Data yang digunakan adalah data historis trafik dari bulan November 2006 sampai April 2007 milik Telkomsel Kalimantan Barat. Dari data tersebut JST memperkirakan nilai trafik berdasarkan input nilai trafik beberapa hari sebelumnya.Kata Kunci : Jaringan Syaraf Tiruan, Algoritma Genetika, trafik, nilai fitness,ABSTRACT: Expanding variety of information technology, GSM network traffic could be predicted based on the historical traffic data (time series). The aim of developing the system is to help for strategy decision in a business telecommunication company. Trend of traffic's growth could be looked using this system. So, the company can anticipate and use it as a guidance to re-engineering network element.
This final project is built to forecast GSM network traffic based on historical traffic data using Genetic Algorithm in Artificial Neural Network Training by looking their fitness value.
Data that used in this system based on Telkomsel West Kalimantan's historical traffic data from November 2006 to April 2007. Artificial Neural Network forecast traffic value in a day based on series input traffic value a few days before.Keyword: Artificial Neural Network, Genetic Algorithm, traffic, fitness value,