digilib@itb.ac.id +62 812 2508 8800

PENGEMBANGAN MODEL PREDIKSI PROGRES PROYEK PADA UNIT MARKETING AND PROJECT MANAGEMENT (MPM) AREA III (JAWA BARAT) TELKOM PROPERTY MENGGUNAKAN DYNAMIC TIME WARPING, REGRESI LOGISTIK, DAN SUPPORT VECTOR REGRESSION

Penulis : MUHAMMAD AKBAR MAULANA [14415028]
Kontributor / Dosen Pembimbing :
  • Prof. Dr. Rajesri Govindaraju, S.T., M.T.
Jenis Koleksi : Tugas Akhir
Penerbit : Manajemen Rekayasa Industri
Fakultas : Fakultas Teknologi Industri
Subjek :
Kata Kunci : Manajemen Proyek, Kurva S, Data Mining, Analisis Kluster, Dynamic Time Warping, K-Medoids Clustering, Regresi Logistik, Support Vector Regression.
Sumber :
Staf Input/Edit : Dewi Supryati   Dewi Supryati
File : 1 file
Tanggal Input : 23 Sep 2019

ABSTRAK MUHAMMAD AKBAR MAULANA
PUBLIC Dewi Supryati

PT Graha Sarana Duta (Telkom Property) adalah anak perusahaan PT Telekomunikasi Indonesia (Telkom) yang bergerak dalam bidang properti. Perusahaan ini memiliki fungsi utama untuk mengelola dan merawat aset-aset properti Telkom yang tersebar di seluruh Indonesia. Proyek-proyek yang ditangani perusahaan umumnya dikerjakan menggunakan jasa subkontraktor, sehingga perusahaan utamanya bertanggung jawab untuk merencanakan, mengawasi, dan mengendalikan proses pengerjaan proyek untuk menjamin bahwa setiap proyek terselesaikan tepat waktu. Untuk mencegah keterlambatan proyek, perusahaan perlu memberikan tindak lanjut secara cepat pada proyek-proyek yang berpotensi selesai terlambat. Untuk melakukan hal tersebut, proyek-proyek yang paling membutuhkan tindak lanjut perlu diidentifikasi cukup lama sebelum tenggat waktu penyelesaian untuk masing-masing proyek tersebut tercapai, tetapi hal tersebut tidak mudah dilakukan akibat jumlah dan variasi dari proyek-proyek yang diawasi perusahaan. Sebagai solusi dari permasalahan tersebut, dirancang sebuah model untuk meramalkan persentase pekerjaan proyek yang telah selesai pada tenggat waktu penyelesaian masing-masing proyek. Hal tersebut akan memungkinkan perusahaan untuk memprioritaskan proyek mana saja yang perlu diawasi dan mempermudah proses pengawasan yang perlu dilakukan. Dalam tugas akhir ini, sebelum membangun model, seluruh proyek diklusterkan terlebih dahulu berdasarkan bentuk kurva S-nya. Hal ini dilaksanakan dengan pengklusteran hierarkis menggunakan ukuran similaritas Dynamic Time Warping (DTW). Lalu, dibangun sebuah model regresi logistik untuk mengklasifikasikan observasi baru ke dalam setiap kluster. Terakhir, untuk setiap kluster, dibangun sebuah model Support Vector Regression (SVR) untuk meramalkan progres proyek pada setiap periode. Dari pengklusteran, dihasilkan dua buah kluster, yaitu kluster dimana mayoritas pekerjaan selesai dalam satu minggu (kluster 1) dan kluster dimana progres proyek naik secara perlahan (kluster 2). Berdasarkan koefisien regresi logistik, kluster 1 berisi proyek-proyek pengaspalan, kelistrikan, dan proyek lainnya dengan nilai atau jumlah aktivitas rendah. Sebaliknya, kluster 2 berisi proyek-proyek dengan nilai dan jumlah aktivitas yang cenderung besar. Terakhir, dibangun satu buah model SVR untuk setiap kluster. RMSE prediksi dua langkah untuk model kluster 1 pada test set adalah 0.0218 dan RMSE empat langkah untuk model kluster 2 adalah 0.1104.

Artikel Terkait