ABSTRAKSI: Dewasa ini, dunia telekomunikasi berkembang dengan pesat. Banyak bermunculan perusahaan telekomunikasi. Untuk menunjang kebutuhan telekomunikasi, perusahaan telekomunikasi tersebut membutuhkan modul telekomunikasi yang memadai agar komunikasi dapat berjalan dengan lancar. PT Inti yang bergerak di bidang industri telekomunikasi memiliki ribuan jenis modul telekomunikasi. Modul telekomunikasi tersebut ingin didistribusikan kepada perusahaan telekomunikasi yang berada di seluruh wilayah Indonesia.
Agar dapat mendistribusikan modul dengan tepat, maka dibutuhkan suatu sistem yang dapat memprediksi jumlah modul yang harus didistribusikan ke minipool berdasarkan pola permintaan dari customer sehingga minipol dapat memiliki jumlah minimal stok modul yang tepat.
Tugas Akhir ini membahas prediksi pendistribusian modul telekomunikasi menggunakan Recurrent Neural Network agar menghindari kerugian di masa yang akan datang dan akan mengurangi resiko kesalahan dalam hal pendistribusian modul telekomunikasi. Dari hasil pengujian didapatkan beberapa faktor yang mempengaruhi keakuratan hasil prediksi, antara lain learning rate, epoch, dan MSE.Kata Kunci : prediksi, Recurrent Neural NetworkABSTRACT: Nowadays, the telecommunication world is growing fast. Many telecommunication company appear. For handling telecommunication requirement, the telecommunication company need telecommunication modul in order that communication can run smoothly. PT Inti is industrial company which have a thousand kinds of telecommunication modul. That modul wants to distribute to telecommunication company in around of Indonesia.
In order that distribute modul exactly, so need the system which can predict a number of modul which distribute to minipool base of request pattern from customer so minipool can have a number of stock modul which exact.
In this final task study prediction modul telecommunication using Recurrent Neural Network in order that avoid loss in the future and reduce risk of error in distribution of modul. Based on the result that some factor which influence accuracy of prediction result is learning rate, epoch, and MSE.Keyword: prediction, Recurrent Neural Network