Perpustakaan Digital ITB

Antrian adalah suatu kejadian yang ditimbulkan oleh kebutuhan akan layanan yang melebihi kapasitas pelayanan dan biasa dijumpai dalam kehidupan sehari-hari di lokasi penyedia layanan, salah satunya yaitu pusat layanan pelanggan. Antrian di pusat layanan pelanggan di Jakarta yang menjadi lokasi studi kasus penulis saat ini sudah terkelola dengan baik dengan penggunaan sistem manajemen antrian. Sistem manajemen antrian ini sudah dilengkapi dengan kemampuan untuk menampilkan informasi status antrian kepada pelanggan, sehingga pelanggan mengetahui estimasi waktu tunggu nomor antrian mereka. Meskipun begitu, akurasi prediksi dari waktu tunggu antrian yang ditampilkan kepada pelanggan masih terbilang rendah karena hanya dihitung berdasarkan rata-rata waktu tunggu antrian dari 3-5 nomor antrian terakhir yang dipanggil. Untuk menjawab permasalahan di atas, penulis melakukan optimisasi terhadap model prediksi waktu tunggu antrian berbasis regresi random forest. Algoritma regresi random forest ini dipilih karena memiliki kinerja yang terbaik di antara algoritma machine learning berbasis regresi lainnya, misalnya regresi linear. Optimisasi dilakukan dengan salah satu metode hyperparameter tuning, yaitu grid search. Metodologi yang digunakan untuk optimisasi model prediksi ini merupakan metodologi CRISP-DM dengan sedikit modifikasi. Tahapan dari metodologi ini diawali dengan business understanding, data acquisition and understanding, data preparation, baseline definition, model optimization, dan berujung pada evaluation. Hasil yang diperoleh dari tugas akhir ini berupa model prediksi waktu tunggu antrian berbasis regresi random forest yang telah dioptimisasi dengan hyperparameter tuning. Kombinasi hyperparameter terbaik yang diperoleh yaitu n_estimators = 100 dan random_state = 25. Akurasi dari model ini adalah 93,77%, mengalami kenaikan sebesar 2,47% setelah hyperparameter tuning.