OPTIMASI PEMILIHAN PRODUK OPERATOR GSM DAN CDMA MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK
DONA WIRAWAN G64103023
DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2007
OPTIMASI PEMILIHAN PRODUK OPERATOR GSM DAN CDMA MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK
Skripsi Sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer pada Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor
Oleh : DONA WIRAWAN G64103023
DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2007
ABSTRAK DONA WIRAWAN. Optimasi Pemilihan Produk Operator GSM dan CDMA Menggunakan Backpropagation Neural Network. Dibimbing oleh IRMAN HERMADI dan HERU SUKOCO. Di era perkembangan teknologi informasi dan komunikasi sekarang ini, telepon selular telah berkembang menjadi salah satu bagian dari kehidupan masyarakat yang tidak terpisahkan. Telepon selular kini tidak lagi merupakan pelengkap atau komplementer dari jaringan telepon tetap, tetapi telah menjadi substitusi dari jaringan telepon tetap. Masyarakat akan semakin dibingungkan dengan banyaknya produk operator dan fitur-fitur yang ditawarkan sebagai alternatif pilihan untuk telepon selularnya Pada penelitian ini, dikembangakan suatu model Backpropagation Neural Network untuk optimasi pemilihan layanan produk operator . Data yang digunakan dalam penelitian ini adalah data yang diambil dengan dua cara yaitu data sekunder (data operator) dan data primer (data kuisioner pengguna produk operator). Jaringan yang dibangun dibedakan menjadi dua sisi yang berbeda, sisi operator dan sisi pengguna. Hasil penelitian ini berupa tingkat akurasi kebenaran pemilihan dari data yang diujikan dan pola masyarakat yang dihasilkan. Model terbaik yang dikembangkan menghasilkan nilai akurasi rata-rata sebesar 65.08 % untuk penebakan pola dari sisi pengguna sedangkan untuk tren masyarakat belum mampu memilih produk operator yang optimal bagi dirinya yaitu sebesar 0%. Tren masyarakat yang optimal sesuai dengan kebutuhannya mempunyai kecenderungan ke produk operator CDMA. Kata kunci: Mobile Market, Neural Network Backpropagation, Optimasi produk operator
Judul : Optimasi Pemilihan Produk Operator GSM dan CDMA Menggunakan Backpropagation Neural Network Nama : Dona Wirawan NRP : G64103023
Menyetujui: Pembimbing I,
Pembimbing II,
Irman Hermadi, S.Kom, MS NIP 132321422
Heru Sukoco, S.Si, M.T. NIP 132282666
Mengetahui: Dekan Fakultas Matematika Dan Ilmu Pengetahuan Alam Institut Pertanian Bogor
Prof. Dr. Ir. Yonny Koesmaryono, MS NIP 131473999
Tanggal Lulus:
RIWAYAT HIDUP Penulis dilahirkan di Rembang tanggal 12 Juni 1985, sulung dari tiga bersaudara dari pasangan Soe’eb (alm) dan Winarti. Pada tahun 1997 lulus dari SD Negeri Kutoharjo 2 Rembang, lalu pada tahun yang sama melanjutkan pendidikan di SLTP NEGERI 2 Rembang. Pada tahun 2000 lulus dan melanjutkan sekolah di SMU Negeri 2 Rembang hingga tahun 2003. Pada tahun yang sama penulis diterima sebagai mahasiswa S1 Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor melalui jalur USMI. Pada tahun 2006, penulis melaksanakan kegiatan praktik kerja lapangan di PT Danapati Abinaya Investama (JAK-TV).
PRAKATA Alhamdulillahi Rabbil ‘alamin, puji dan syukur Penulis panjatkan kepada Allah SWT atas segala curahan rahmat dan karunia-Nya sehingga tugas akhir ini dengan judul Optimasi Pemilihan Produk Layanan Operator GSM dan CDMA Menggunakan Backpropagation Neural Network, dapat diselesaikan. Dalam menyelesaikan karya tulis ini penulis mendapatkan banyak sekali bantuan, bimbingan dan dorongan dari berbagai pihak. Oleh karena itu, penulis ingin mengucapkan terima kasih yang sebesar-besarnya kepada semua pihak yang telah membantu kelancaran penelitian ini, antara lain kepada: 1 Orangtuaku tercinta, Bapak Soe’eb (alm) atas suri tauladan dan kasih sayangnya yang tidak tergantikan dan Ibunda Winarti atas segala do’a, ketabahan, ketegaran, kerja keras dan kasih sayangnya yang tidak bisa dinilai dengan apapun. 2 Adik-adikku tersayang Ditra dan Dian yang selalu memberikan motivasi dalam penyelesaian karya tulis ini. 3 Bapak Irman Hermadi S.Kom, MS selaku pembimbing pertama atas bimbingan dan arahannya selama penyusunan karya tulis ini. 4 Bapak Heru Sukoco, S.Si, M.T. selaku pembimbing kedua atas bimbingan dan arahannya selama penyusunan karya tulis ini. 5 Bapak Aziz Kustiyo, S.Si, M.Kom selaku moderator dan penguji pada presentasi penelitian ini. 6 Lia atas bantuan dan dorongannya. 7 M.Nono Suhartono, M Pandi, Agung PIS, Ghoffar dan Mulyadi yang sudah memberikan banyak sekali kenangan selama tinggal bersama. 8 Yayan atas pinjaman notebook-nya, 9 Bayu, Ardiansyah selama konsultasi bersama. 10 Dhany, Gemma, Ryan, Inang, Nacha, Nugie, Nurhadi, Olan, Risha, Yogi dan Iqbal yang sudah memberikan banyak sekali kenangan dalam pertemanan. 11 Seluruh teman-teman Ilkom 40 yang tidak dapat disebutkan namanya satu-persatu. 12 Responden yang telah menyumbangkan datanya dalam penelitian ini Kepada semua pihak lainnya yang telah memberikan kontribusi yang besar selama pengerjaan penelitian ini yang tidak dapat disebutkan satu-persatu, Penulis ucapkan terima kasih banyak. Semoga penelitian ini dapat memberi manfaat.
Bogor, Mei 2007
Dona Wirawan
v
DAFTAR ISI Halaman DAFTAR TABEL.....................................................................................................................................vi DAFTAR GAMBAR ................................................................................................................................vi DAFTAR LAMPIRAN.............................................................................................................................vi PENDAHULUAN .....................................................................................................................................1 Latar Belakang ......................................................................................................................................1 Tujuan....................................................................................................................................................1 Ruang Lingkup......................................................................................................................................1 Manfaat..................................................................................................................................................1 TINJAUAN PUSTAKA ............................................................................................................................1 GSM ......................................................................................................................................................1 CDMA ...................................................................................................................................................2 PSTN .....................................................................................................................................................2 Coverage Area ......................................................................................................................................2 Variabel Eksternal dan Fitur Khusus....................................................................................................2 Layanan dalam sistem telekomunikasi mobile.....................................................................................2 Voice Communication/Voice Calling...............................................................................................2 SMS ..................................................................................................................................................2 MMS.................................................................................................................................................3 GPRS ................................................................................................................................................3 3G .....................................................................................................................................................3 Mobile Networking................................................................................................................................3 Neural Network (Neural Network) .......................................................................................................4 Multi Layer Perceptron (MLP).............................................................................................................4 Backpropagation Neural Network ........................................................................................................4 METODOLOGI .........................................................................................................................................5 Kerangka Penelitian ..............................................................................................................................5 Tahap pengambilan data ..................................................................................................................5 Tahap pembangunan model Neural Network ..................................................................................6 Tahap pengujian ...............................................................................................................................6 Arsitektur Neural Network....................................................................................................................7 Lingkungan Pengembangan..................................................................................................................8 HASIL DAN PEMBAHASAN .................................................................................................................8 Pengambilan Kuisioner .........................................................................................................................8 Penyebaran Kuisioner ......................................................................................................................8 Validasi Kuisioner............................................................................................................................8 Representasi Quisioner .........................................................................................................................9 Percobaan I (dari sisi operator) .............................................................................................................9 Neuron Lapis Tersembunyi..............................................................................................................9 Toleransi Galat dan Laju Pembelajaran...........................................................................................9 Tren Pemilihan Produk Operator di Masa Yang Akan Datang.....................................................10 Percobaan II (dari sisi pengguna produk operator) ............................................................................11 Penentuan Treshold ........................................................................................................................11 Neuron Lapis Tersembunyi............................................................................................................12 Toleransi Galat dan Laju Pembelajaran.........................................................................................12 KESIMPULAN DAN SARAN ...............................................................................................................14 Kesimpulan..........................................................................................................................................14 Saran ....................................................................................................................................................14 DAFTAR PUSTAKA ..............................................................................................................................14 LAMPIRAN.............................................................................................................................................15
vi
DAFTAR TABEL 1 2 3 4 5 6 7 8
Halaman Teknologi Selular 1G ke 4G (Stordahl 2004) .....................................................................................3 Arsitektur Neural Network Sisi Operator............................................................................................7 Definisi Target Sisi Operator...............................................................................................................7 Arsitektur Neural Network Sisi Pengguna ..........................................................................................7 Definisi Target Sisi Pengguna .............................................................................................................8 Perlakuan pada proses checking ........................................................................................................10 Optimasi 45 Responden .....................................................................................................................11 Perlakuan pada proses testing............................................................................................................12
DAFTAR GAMBAR Halaman 1 Komponen layanan telepon dalam sistem komunikasi mobile...........................................................2 2 Layanan mobile sekarang ini meliputi aplikasi SAT, layanan berbasis SMS, layanan WAP dan aplikasi J2ME. ....................................................................................................................................3 3 Konsep kerja Neural Network. ............................................................................................................4 4 Arsitektur Neural Network Propagasi Balik........................................................................................4 5 Grafik Fungsi log-sigmoid...................................................................................................................5 6 Pembagian data. ...................................................................................................................................6 7 Proses pengenalan produk operator.....................................................................................................7 8 Validasi Kuisioner. ..............................................................................................................................9 9 Grafik tren hasil Mentari....................................................................................................................10 10 Grafik tren hasil Im3..........................................................................................................................10 11 Grafik tren hasil Simpati....................................................................................................................11 12 Grafik perbandingan banyaknya neuron lapis tersembunyi terhadap rata-rata akurasi. ..................12 13 Grafik perbandingan toleransi galat terhadap epoh. .........................................................................12 14 Grafik perbandingan toleransi galat terhadap waktu pelatihan (satuan detik). ................................13 15 Grafik perbandingan toleransi galat terhadap rata-rata akurasi . ......................................................13 16 Grafik perbandingan laju pembelajaran terhadap epoh. ...................................................................13 17 Grafik perbandingan laju pembelajaran terhadap waktu pelatihan (satuan detik). ..........................13 18 Grafik perbandingan laju pembelajaran terhadap akurasi.................................................................14
DAFTAR LAMPIRAN 1 2 3 4
Halaman Fitur dari operator untuk Neural Network.........................................................................................16 Proses Checking dari Sisi Operator ...................................................................................................17 Hasil pengujian dari sisi pengguna....................................................................................................20 Kuisioner ............................................................................................................................................22
1
PENDAHULUAN Latar Belakang Di era perkembangan teknologi informasi dan komunikasi sekarang ini, telepon selular telah berkembang menjadi salah satu bagian dari kehidupan masyarakat yang tidak terpisahkan. Saat ini, komunikasi dua arah melalui telepon selular telah menjadi kebutuhan masyarakat. Bisnis selular mengalami perkembangan yang sangat pesat sejak munculnya teknologi GSM (Global System for Mobile communication) yang mengembangkan kartu pra bayar (prepaid) dan pasca bayar (postpaid) dalam bisnis jaringan telepon selular. Dalam waktu kurang dari 5 tahun, jumlah satuan sambungan selular telah mencapai angka 6,2 juta SST (Satuan Sambungan Telepon) pada 2001, mendekati populasi satuan sambungan telepon tetap yang tercatat hanya 7 juta SST pada periode yang sama. Pada pertengahan tahun 2003 jumlah pelanggan selular telah melambung ke angka 14,3 juta pelanggan, jauh melampaui populasi pelanggan telepon tetap yang cenderung (Miranti 2003). Ada beberapa alasan pesatnya perkembangan bisnis selular. Pertama, value creation dari sisi content dan fasilitas mengaksesnya, menyebabkan bisnis ini relatif lebih menarik dibanding bisnis telepon tetap. Kedua, selain merupakan kebutuhan, selular kini juga telah berkembang sebagai kebutuhan dan gaya hidup. Ketiga, telepon selular kini tidak lagi merupakan pelengkap atau komplementer dari jaringan telepon tetap, tetapi telah menjadi substitusi dari jaringan telepon tetap. Dengan demikian, kelambanan jaringan telepon tetap (PT. Telkom) dalam merespon kebutuhan pelanggannya segera diisi oleh jaringan selular. Masyarakat akan semakin dibingungkan dengan banyaknya produk operator dan fiturfitur yang ditawarkan sebagai alternatif pilihan untuk telepon selularnya. Faktor-faktor kebutuhan dari masyarakat dan fitur-fitur yang ditawarkan oleh operator menjadi pertimbangan pemilihan operator masyarakat saat ini. Tujuan Tujuan penelitian ini adalah menganalisis perilaku pengguna telepon selular (pemakai jasa operator GSM dan/atau CDMA) dan ketepatannya dalam memilih produk operator.
Ruang Lingkup Ruang lingkup penelitian ini dibatasi pada: 1. Pembahasan difokuskan pada operator GSM dan CDMA yang datanya diambil terakhir kali pada tanggal 1 Februari 2007. 2. Pembagian data untuk voice calling dibagi menjadi empat selang waktu yaitu a. off peak 1 (06.00-07.00) b. off peak 2 (07.00-08.00) c. peak (08.00-22.00) d. off peak 3 (22.00-00.00) e. off peak 4 (00.00-06.00) 3. Data voice calling untuk SLLJ (SLJJ1, SLJJ2, dan SLJJ3) intra-operator dan interoperator adalah sama. 4. Data coverage area diambil secara general. 5. Tidak memperhatikan variabel eksternal dan fitur khusus yang ditawarkan produk operator dalam pengenalan pola pengguna produk operator. Manfaat Penelitian ini diharapkan dapat memberikan manfaat berupa sistem yang dapat menghasilkan solusi pemilihan operator yang optimal bagi masyarakat dari sisi (baca:sudut pandang) operator. Sistem juga dapat menghasilkan pemilihan produk operator berdasarkan pola masyarakat yang ada. TINJAUAN PUSTAKA GSM GSM adalah standar telepon selular paling populer di dunia. Di Indonesia, liberalisasi bisnis selular dimulai sejak tahun 1995, saat pemerintah mulai membuka kesempatan kepada swasta untuk berbisnis telepon selular dengan cara kompetisi penuh. Bisa diperhatikan, bagaimana ketika teknologi datang dan menggantikan teknologi selular generasi pertama yang sudah masuk sebelumnya ke Indonesia seperti NMT (Nordic Mobile Telephone) dan AMPS (Advance Mobile Phone System). Teknologi GSM yang banyak digunakan di Indonesia saat ini adalah GSM 900 dan GSM/DCS (Digital Cellular Service) 1800. GSM 900 memiliki coverage area yang relative luas dibanding GSM 1800. Sebuah BTS (Base Transceiver Station) GSM 900 dapat menjangkau radius hingga 5 km, sementara BTS GSM 1800 hanya mampu menjangkau area sekitar 1 km (Miranti 2003).
2
CDMA CDMA telah banyak digunakan untuk sistem komunikasi, meliputi GPS (Global Positioning System) dan dalam sistem satelit OmniTRACS untuk transportasi logistik. CDMA menawarkan teknologi yang lebih baik dari teknologi GSM yaitu dengan adanya teknologi teknologi spread-spectrum untuk mengedarkan sinyal informasi yang melalui bandwith yang lebar (1,25 MHz). Teknologi CDMA lebih murah karena berbasis pada teknologi Wireless Local-Code Division Multiple Access (WLL-CDMA) (Miranti 2003). PSTN PSTN (Public Switched Telephone Network) adalah jaringan dunia telepon publik (telepon rumah), sama halnya dengan internet yang merupakan jaringan switched paket dunia bebasis IP. PSTN merupakan sistem jaringan telepon analog, tetapi sekarang ini mulai terbangun secara dijital (Hamdi 1998). Coverage Area Wilayah yang luas merupakan suatu keunggulan dari suatu operator tertentu. Coverage Area adalah ruang atau daerah yang dapat dijangkau oleh sinyal dan layanan suatu operator. Saat ini operator dengan teknologi GSM menpunyai coverage area lebih luas di wilayah Indonesia ini. Variabel Eksternal dan Fitur Khusus Variabel eksternal adalah variabel yang mempengaruhi pengguna produk operator di luar kebutuhan komunikasinya. Variabel eksternal dapat meliputi: iklan, keluarga dan lingkungan. Fitur khusus merupakan fitur yang ditawarkan operator di luar tarif normal yang diberlakukan mereka. Fitur khusus dapat meliputi SMS gratis untuk pemakaian tertentu, komunikasi suara dengan tarif murah pada selang waktu tertentu atau bonus untuk pengisian pulsa. Layanan dalam sistem telekomunikasi mobile Voice Communication/Voice Calling Sistem telekomunikasi mobile, bertujuan untuk menyajikan komunikasi yang mobile antar individu yang saling berjauhan (dipisahkan oleh jarak). Pengembangan GSM pada mulanya hanya menyajikan voice communication atau telepon, kemudian diikuti call forwarding, barring dan voice mail. Komponen komunikasinya direpresentasikan
baik oleh mobile phone atau yang disebut Mobile Station (MS) dan mobile network.
Gambar 1 Komponen layanan telepon dalam sistem komunikasi mobile.
Off peak: Bagian waktu dari hari yang ditentapkan oleh operator ketika pengguna dapat membayar biaya airtime. Off-peak biasanya diletakkan pada waktu pagi hari dan akhir pekan Air time: waktu aktual yang dihabiskan untuk kegiatan percakapan dengan menggunakan telepon selular percakapan lebih kecil (berkurang) dari tarif normalnya. Peak: Bagian waktu dari hari yang ditentukan oleh operator ketika pengguna dikenakan pembayaran penuh (tarif normal) untuk layanan percakapan. Roaming: Aturan yang ditetapkan oleh operator untuk menerima atau melakukan panggilan dari atau ke luar daerah asal (home calling area) . Out of Area Calls/SLJJ (Sambungan Langsung Jarak Jauh): Pemanggilan dari area asal yang didefinisikan oleh layanan operator. Pengguna dapat melakukan atau menerima panggilan di luar batas dari area asal dengan dikenakan biaya panggilan jarak jauh dan atau biaya roaming (South Dakota Public utilities Commision, 2003). SMS SMS (Short Message Service) adalah layanan yang memberikan fasilitas pengiriman pesan yang berbentuk teks antar telepon mobile. SMS menolong orang tetap berkomunikasi meskipun saluran jaringan penuh. Sering digunakan di masyarakat ketika komunikasi suara tidak memungkinkan (Mcdaniel 2006).
3
MMS Jaringan dengan kemampuan bandwith yang tinggi untuk pengiriman paket data (GPRS atau 2,5 G) dan tersedianya fitur-fitur handset yang rumit dan interaktif mendorong perkembangan mobile messaging ke level selanjutnya, ke arah level multimedia. MMS (Multimedia Messaging Service) dapat menampung informasi seperti plain text dan HTML, beberapa format file audio seperti mp3 dan standar audio lainnya (wav), dan gambar dengan format Graphics Interchange Format (GIF), Joint Photographic Experts Group (JPEG), dan lainnya. MMS menawarkan kesempatan memperoleh pendapatan yang besar kepada operator, manufaktur, application developers, content providers dan investor (Trickey 2003). GPRS GPRS menyajikan layanan internet kepada pelanggannya seperti browsing, download, dan chatting melalui terminal handset yang dimilikinya. WAP (Wireless Application Protocol) banyak digunakan untuk mengakses ke WWW (World Wide Web) melalui layanan GPRS. 3G Layanan yang berhubungan dengan 3G (Third-Generation Technology) menyuguhkan kemampuan untuk melakukan transfer secara simultan baik voice data (panggilan telepon) dan non voice data (seperti download informasi, pertukaran email dan instant messaging). Layanan panggilan streaming video yang paling banyak diunggulkan dari teknologi ini pada saat ini.
Gambar 2 Layanan mobile sekarang ini meliputi aplikasi SAT, layanan berbasis SMS, layanan WAP dan aplikasi J2ME.
Mobile Networking Mobile Networking mengacu kepada teknologi yang mendukung suara dan data atau jaringan konektivitas data menggunakan wireless, melalui solusi transmisi radio. Aplikasi yang paling familiar dari mobile networking adalah telepon selular (The United Kingdom’s education & research network, 2006). Tabel 1 Teknologi Selular 1G ke 4G (Stordahl 2004) Label Teknologi Deskripsi 1G NMT Berbasis transmisi analog Kualitas suara yang jelek Menggunakan transmisi yang tidak aman dan tidak terenkripsi 2G GSM Berbasis transmisi dijital Menggunakan SIM(Subscriber Identify Module) untuk autentikasi pengguna (identifikasi dan pembayaran) Memperkenalkan global roaming dan SMS Kecepatan transfer data sebesar 14.4 kb/s per slot 2.5G GPRS Diimplementasikan di atas jaringan GSM Memperkenalkan WAP Kecepatan transfer data sebesar 171 kb/s (secara teori) 2.75G EDGE Peralihan antara GPRS ke UMTS Kecepatan transfer data sebesar 384 kb/s 3G WCDMA, Memperkenalkan UMTS layanan multimedia (video streaming, mobile TV, high speed data acces) Kecepatan transfer data sebesar 2 Mb/s 4G MobileIP Masih dalam tahap
4
Label
Teknologi
Deskripsi pengembangan Konektivitas ke jaringan global IPv6 untuk mendukung IP address untuk setiap telepon selular Kecepatan transfer data sebesar 2 Mbit/s – 100 Mbit/s
Multi Layer Perceptron (MLP) Suatu network dapat mempunyai beberapa layer. Setiap layer mempunyai suatu pembobot matriks W, suatu bias vektor b, dan suatu output vektor a. Jaringan dengan banyak layer menggunakan suatu variasi teknik pembelajaran, yang paling populer adalah backpropagation atau propagasi balik. Disini nilai output dibandingkan dengan jawaban yang benar untuk menghitung nilai dari beberapa error function yang telah didefinisikan sebelumnya.
Neural Network
Backpropagation Neural Network
Neural Network merupakan gabungan dari elemen-elemen sederhana yang bekerja secara paralel (Mathwork, 1991). Metode komputasional dari Neural Network diinspirasikan oleh cara kerja sel-sel otak manusia dimana untuk berpikir, otak manusia mendapat rangsangan dari neuron-neuron yang terdapat pada indera manusia, kemudian hasil rangsangan tersebut diolah sehingga menghasilkan suatu informasi. Pada komputer, masukan yang diberikan diumpamakan sebagai neuron-neuron dimana masukan tersebut dikalikan dengan suatu nilai dan kemudian diolah dengan fungsi tertentu untuk menghasilkan suatu keluaran. Pada saat pelatihan, pemasukan tersebut dilakukan berulang-ulang hingga dicapai keluaran seperti yang diinginkan. Setelah proses pelatihan, diharapkan komputer dapat mengenali suatu masukan baru berdasarkan data yang telah diberikan pada saat pelatihan. Neural Network adalah sebuah sistem pemrosesan informasi yang memiliki kemiripan karakeristik dan kinerja dengan jaringan syaraf biologis pada makhluk hidup. Menurut Fausett (Fausett, 1994), karakteristik dari sebuah Neural Network ditentukan oleh: (1) pola koneksi antar neuron (disebut juga arsitekturnya), (2) metode penentuan bobot pada setiap koneksinya (disebut juga training atau latihan) dan (3) fungsi aktivasi yang digunakannya. Konsep kerja Neural Network dapat dilihat pada Gambar 3.
Neural Network Propagasi Balik standar merupakan salah satu Neural Network yang memiliki arsitektur lapis jamak (multilayer) dengan satu lapis masukan (input layer), satu atau lebih lapis tersembunyi (hidden layer) dan satu lapis keluaran (output layer). Lapis masukan berfungsi untuk meneruskan input dan tidak melakukan komputasi, sedangkan lapis tersembunyi dan lapis keluaran melakukan komputasi. Arsitektur Backpropagation Neural Network dapat dilihat pada Gambar 4.
Gambar 4 Arsitektur Backpropagation Neural Network. Langkah pertama yang dilakukan Neural Network Propagasi balik adalah inisialisasi bobot dan bias untuk Neural Network. Salah satu metode inisialisasi bobot pada Neural Network propagasi balik adalah inisialisasi Nguyen-Widrow yang didefinisikan sebagai berikut :
β = 0.7 n p
dengan
n = jumlah neuron input p = jumlah neuron hidden β = faktor pengali dan inisialisasi bobotnya adalah :
vij (new) =
Gambar 3 Konsep kerja Neural Network.
β vij (old ) v j (old )
5
dengan vij(old) adalah nilai acak antara -0.5 dan 0.5 sedangkan bias ditentukan secara acak antara -β dan β. Setelah bobot diinisialisasi, proses pelatihan dimulai pada tahap perambatan maju. Masing-masing neuron input (Xi) menerima sinyal input dan menyebarkannya ke tiap neuron hidden (Z1...Zp). Masing-masing neuron hidden menghitung aktivasi dan menyebarkannya ke tiap neuron output. Masing-masing neuron output menghitung aktivasinya untuk membentuk respon jaringan terhadap pola input yang diberikan. Salah satu fungsi aktivasi yang digunakan pada hidden layer dan output layer adalah adalah fungsi log-sigmoid yang memiliki range (0,1) dan definisikan sebagai berikut:
f ( x) =
1 . 1 + e− x
Fungsi ini kontinu dan mempunyai turunan:
f '( x) = f ( x) [1 − f ( x ) ] .
Sama seperti pada hidden layer, fungsi f(x) digunakan saat menghitung aktivasi pada tahap panjar maju sedangkan f’(x) digunakan pada tahap propagasi balik. Grafik fungsi logsigmoid digambarkan pada Gambar 5.
Gambar 5 Grafik Fungsi log-sigmoid. Pada tahap propagasi balik, masing-masing neuron output membandingkan nilai aktivasi dengan nilai targetnya sehingga diperoleh galat δk (k = 1,2,...,m). Begitu juga galat δj (j = 1,2,...,p) dihitung pada masing-masing neuron hidden. Setelah galat didapat, bobot untuk semua layer disesuaikan secara simultan. Penyesuaian bobot dari neuron hidden ke neuron output berdasarkan pada galat δk dan aktivasinya, begitu juga penyesuaian bobot dari neuron input ke neuron hidden berdasarkan pada galat δj dan aktivasinya. METODOLOGI Kerangka Penelitian Struktur penelitian dalam pengenalan produk operator dibagi menjadi tiga tahap sebagai berilut:
Tahap pengambilan data Pada tahap pengambilan data dilakukan pengambilan fitur yang signifikan mempengaruhi identifikasi. Pembuangan fitur yang tidak signifikan pengaruhnya dalam pengenalan produk operator. Pengambilan data untuk direpresentasikan menjadi fitur pengenalan pada Neural Network dibagi menjadi tiga tahap, sebagai berikut : a. Pengurangan 70 fitur dari operator menjadi 56 fitur. b. Pembuatan interval waktu untuk penyeragaman waktu off-peak dan peak pada tiap operator. c. Penyusunan dan pengumpulan kuisioner untuk pengambilan data dari pengguna layanan produk operator yang disesuaikan terhadap optimalisasi dari sisi operator. Data dari operator Data yang diambil dari operator yang dipakai dalam penelitian adalah data dari 17 produk operator GSM dan CDMA. Pasca bayar 1. Produk operator Halo (GSM) 2. Produk operator Matrix (GSM) 3. Produk operator X-plor (GSM) 4. Produk operator Fren (CDMA) 5. Produk operator Starone (CDMA) 6. Produk operator Esia (CDMA) 7. Produk operator Flexi (CDMA) Pra bayar 8. Produk operator Simpati (GSM) 9. Produk operator Mentari (GSM) 10. Produk operator Im3 Smart (GSM) 11. Produk operator Fren (CDMA) 12. Produk operator As (GSM) 13. Produk operator Jempol (GSM) 14. Produk operator Bebas (GSM) 15. Produk operator Starone (CDMA) 16. Produk operator Esia (CDMA) 17. Produk operator Flexi (CDMA) Data dari pengguna Pengambilan data dari pengguna didapat dari 45 responden yang berasal dari mahasiswa Institut Pertanian Bogor. Pembagian data untuk dua sisi, sisi operator dan sisi pengguna seperti terlihat dalam Gambar 6. Kuisioner yang diberikan kepada responden berisi 59 buah pertanyaan yang direpresentasikan menjadi 56 input masukan. Pertanyaan tersebut dibagai menjadi berikut :
6
1. Tarif menelepon ponsel ke PSTN : 20 pertanyaan 2. Tarif menelepon ponsel ke ponsel : 25 pertanyaan 3. Tarif SMS : 4 pertanyaan 4. Tarif MMS : 1 pertanyaan 5. Tarif GPRS : 1 pertanyaan 6. Coverage Area : 2 pertanyaan 7. 3G : 6 pertanyaan Untuk lebih lengkapnya , kuisioner dapat dilihat pada Lampiran 4.
Gambar 6 Pembagian data. Fitur data yang dapat dikumpulkan Dalam tahapan pengumpulan data dicari data yang lengkap terkait dengan parameter yang digunakan. Sumber data pada penelitian ini yang terdapat di homepage setiap produk operator pada 1 Februari 2007 dan majalah Selular Februari 2007 No. 83 . Data yang dikumpulkan meliputi : Tarif Voice Calling • Tarif prabayar dan pascabayar dalam satuan rupiah. • Zona (lokal, tetangga/SLJJ1, dan seberang/SLJJ2 dan SLJJ3) dalam satuan kilometer dan rupiah/menit. • Tujuan (operator sama, operator lain, dan PSTN) dalam satuan rupiah/menit. • Peak time (dibagi dalam dua bagian yaitu peak time dan off peak ). Tarif SMS • Tujuan (operator sama, operator lain) dalam satuan pesan/rupiah. • SLI (Sambungan Langsung Internasional) dalam satuan pesan/rupiah.
Tarif MMS • Tujuan (operator sama, operator lain) dalam satuan rupiah/50 kilobyte. • Ukuran file (per kilobyte data) Tarif GPRS • Packet Based (berdasarkan jumlah data yang diakses atau download) dalam satuan rupiah/kilobyte. Coverage area • Coverage area secara umum.. • Ukuran terkecil dalam wilayah (Provinsi, Kabupaten, Kecamatan, dan Kelurahan) Tarif 3G • Ketersediaan • Video Calling • Mobile Tv Informasi dari pengguna • Umur • Pekerjaan • Produk operator yang dipakai • Lama pemakaian produk operator yang sedang dipakai • Tipe telepon selular • Tanggal pengisian Tabel Fitur untuk Neural Network, dapat dilihat pada Lampiran 1. Tahap pembangunan model Neural Network Pembangunan model Neural Network dilakukan dari dua sisi yang berbeda sebagai berikut : a. Pembangunan model Neural Network dari sisi operator, dengan 17 data latih dari operator dan 50 data uji dari pengguna layanan produk operator. b. Pembangunan model Neural Network dari sisi pengguna, dengan 40 data latih dari pengguna layanan produk operator dan 10 data uji dari pengguna layanan produk operator. Tahap pengujian Pengujian untuk pengenalan produk operator akan diukur dengan tiga parameter dari proses pengenalan yang dilakukan, sebagai berikut : a. Pengukuran waktu yang digunakan pada waktu pelatihan (baik dari sisi operator maupun dari sisi pengguna). b. Pengukuran waktu yang digunakan pada waktu pengujian pelatihan (baik dari sisi operator maupun dari sisi pengguna). c. Pengukuran akurasi yang dilakukan dengan membandingkan hasil pengenalan yang salah dan benar pelatihan (baik dari sisi operator maupun dari sisi pengguna).
7
Sisi Operator Data latih = 17 data produk operator Data Uji = 50 data pengguna
Sisi Pengguna Data latih = 40 data pengguna Data uji = 10 data pengguna
Karakteristik
Spesifikasi
Toleransi galat
0.1, 0.05, 0.01, 0.001
Laju pembelajaran
0.1, 0.3, 0.5
Reduksi data
Tabel 3 Definisi Target Sisi Operator No Produk operator Representasi
Representasi fitur data
Sisi Operator Representai 17 Data latih Representasi 50 Data uji
Sisi Pengguna Representasi 40 Data latih Representasi 10 Data uji
Sisi Operator Representai 17 Data latih
Sisi Pengguna Representai 40 Data latih
Pelatihan Backpropagation Neural Network
Sisi Operator Representai 50 Data uji
Sisi Operator Representai 10 Data uji
Model Neural Network
Pengujian Model Neural Network
Perhitungan Akurasi dan waktu
Hasil Pengenalan
Gambar 7 Proses pengenalan produk operator. Arsitektur Neural Network Penelitian ini menggunakan arsitektur jaringan lapis jamak dengan satu lapis tersembunyi. Jumlah neuron pada lapis masukan disesuaikan dengan dimensi jumlah fitur pada data masukan (56 fitur). Tabel 2 Arsitektur Neural Network Sisi Operator Karakteristik Spesifikasi Arsitektur
Feedforward tiga lapis
Neuron lapis masukan
Dimensi masukan(56 fitur)
Neuron lapis tersembunyi
10-100
Neuron lapis keluaran
5
Inisialisasi bobot
Nguyen-Widrow
Fungsi aktivasi
Sigmoid biner
1
Halo
00000
2
Matrix
00001
3
X-plor
00010
4
Fren pasca bayar
00011
5
Starone pasca bayar
00100
6
Esia pasca bayar
00101
7
Flexi pasca bayar
00110
8
Simpati
00111
9
Mentari
01000
10
Im3 Smart
01001
11
Fren pra bayar
01010
12
As
01011
13
Jempol
01100
14
Bebas
01101
15
Starone pra bayar
01110
16
Esia pra bayar
01111
17
Flexi pra bayar
10000
Tabel 4 Arsitektur Neural Network Sisi Pengguna Karakteristik Spesifikasi Arsitektur
Feedforward tiga lapis
Neuron lapis masukan
Dimensi masukan(56 fitur)
Neuron lapis tersembunyi
10-100
Neuron lapis keluaran
3
Inisialisasi bobot
Nguyen-Widrow
Fungsi aktivasi
Sigmoid biner
Toleransi galat
0.01, 0.005, 0.001
8
Karakteristik Laju pembelajaran
Spesifikasi 0.1, 0.3, 0.5
Tabel 5 Definisi Target Sisi Pengguna No Produk Operator Representasi 1
Mentari
100
2
Im3
010
3
Simpati
001
Lingkungan Pengembangan Sistem akan dibuat menggunakan perangkat lunak Matlab 7.0. Perangkat keras digunakan untuk pengembangan aplikasi ini adalah : • PC Intel Pentium IV 3.0 GHz, • DDRAM 1,25 GB, • Harddisk dengan kapasitas 80 GB, • VGA Pixel view FX5200 64 MB, • monitor VGA dengan resolusi 1024x768 pixel, • keyboard, • mouse.
HASIL DAN PEMBAHASAN Percobaan dibagi menjadi dua bagian yang berbeda. Bagian pertama, percobaan dilakukan dengan menggunakan data pelatihan dari operator (17 data produk operator) dan data pengujian dari pengguna (45 data pengguna produk operator). Bagian kedua, percobaan dilakukan dengan menggunakan data pelatihan dari pengguna (24 data pengguna produk operator) dan data pengujian dari pengguna (21 data pengguna produk operator). Pengambilan Kuisioner Tahap Pengambilan Kuisioner dibagi menjadi dua tahapan yang berbeda yaitu tahap penyebaran kuisioner dan tahap validasi kuisioner. Kusioner telah melalui evolusi, sebagai berikut 1. Kusioner tanpa interval nilai Kuisioner tanpa interval nilai disusun dari 43 buah pertanyaan. Pertanyaan dalam kuisioner tersebut dibagi menjadi berikut : 1. Tarif menelepon ponsel ke PSTN : 20 pertanyaan 2. Tarif menelepon ponsel ke ponsel : 10 pertanyaan 3. Tarif SMS : 4 pertanyaan 4. Tarif MMS : 1 pertanyaan
5. Tarif GPRS : 1 pertanyaan 6. Coverage Area : 2 pertanyaan 7. 3G : 5 pertanyaan Kusioner menampilkan nilai pilihan yang tetap pada setiap pertanyaan. Kuisioner belum dilengkapi keterangan tambahan yang menjelaskan tentang istilah yang ada di telekomunikasi mobile. Kuisioner diujicobakan kepada 5 responden untuk mengisikannya. Hasilnya pengisian dari 5 responden tersebut menunjukkan kuisioner belum mampu dipahami oleh responden. Kusioner tanpa interval nilai kemudian diperbaiki dan menghasilkan kuisoner dengan interval nilai. 2.
Kuisioner dengan interval nilai
Kuisioner yang diberikan kepada responden berisi 59 buah pertanyaan yang direpresentasikan menjadi 56 input masukan. Pertanyaan tersebut dibagi menjadi berikut : 1. Tarif menelepon ponsel ke PSTN : 20 pertanyaan 2. Tarif menelepon ponsel ke ponsel : 25 pertanyaan 3. Tarif SMS : 4 pertanyaan 4. Tarif MMS : 1 pertanyaan 5. Tarif GPRS : 1 pertanyaan 6. Coverage Area : 2 pertanyaan 7. 3G : 6 pertanyaan Kusioner menampilkan nilai yang tetap pada setiap pertanyaan. Kuisioner dilengkapi keterangan tambahan yang menjelaskan tentang istilah yang ada di telekomunikasi mobile. Kusioner dengan interval nilai digunakan untuk pengambilan data dari sisi pengguna. Kuisoner dengan interval nilai dapat dilihat lebih lengkap pada Lampiran 4. Penyebaran Kuisioner Kuisioner dibagikan ke 120 responden. Kuisoner dibagi menjadi dua kelompok yaitu mahasiswa IPB dan PNS PEMDA DATI II Rembang. Kuisioner untuk mahasiswa IPB sebanyak 80 buah dan untuk dan PNS PEMDA DATI II Rembang sebanyak 40 buah. Kuisioner yang dibagikan untuk mahasiswa IPB dan PNS PEMDA DATI II Rembang adalah sama. Validasi Kuisioner Kusioner yang dibagikan kemudian diambil dan divalidasi sebelum direpresentasikan menjadi input dalam model. Kuisioner divalidasi dengan aturan sebagai berikut :
9
1.
Pengisian produk operator: Kuisioner dengan isian produk operator pada info pengguna mengisikan operator (bukan produk operator) maka tidak valid. 2. Lama Pemakaian: Kuisioner dengan isian lama pemakain pada info pengguna mengisikan kurang dari 1 tahun untuk GSM, kurang dari 1 bulan untuk CDMA dan kurang dari 6 bulan untuk pasca bayar maka tidak valid. 3. Isian tidak lengkap: Kusioner dengan isian yang terlewat atau tidak lengkap maka tidak valid. Kusioner yang valid dari proses validasi ada sebanyak 45, dapat dilihat pada Gambar 8.
Gambar 8 Validasi Kuisioner.
Percobaan I (dari sisi operator) Penggunaan data pelatihan sebagai masukan pada Neural Network dalam percobaan I dibagi menjadi 17 kelas (Tabel Definisi target). Setiap kelas merepresentasikan satu produk operator yang unik. Pada setiap kelas digunakan satu data latih yang terdiri dari 56 fitur (Tabel 63 Fitur dari operator untuk Neural Network). Data pengujian pada percobaan I diambil dari data pengguna dengan pembagian 10 pengguna produk operator Mentari, 10 pengguna produk operator Im3, 10 pengguna produk operator Simpati, 4 pengguna produk operator As, 3 pengguna produk operator Esia pra bayar, 1 pengguna produk operator Jempol, 1 pengguna produk operator Bebas, 2 pengguna produk operator Xplore, 3 pengguna produk operator Fren pra bayar, dan 1 pengguna produk operator Flexi pra bayar. Percobaan I dengan menggunakan sudut pandang operator menghasilkan pola yang menunjukkan tren pemilihan produk operator di masa yang akan datang. Pengguna produk operator mengalami evolusi atas informasi dan kebutuhannya dalam dunia telekomunikasi.
Representasi Quisioner
Neuron Lapis Tersembunyi
Setiap kuisioner direpresentasikan menjadi 56 input untuk membangun model Neural Network. 1. Tarif panggilan PSTN dan ponsel Tarif panggilan PSTN dan ponsel direpresentasikan dengan nilai tengah dari interval nilai yang dipilih oleh responden. Nilai tengah yang dicari di antara dua nilai maka untuk perhitungannya sebagai berikut.
Untuk percobaan I, dilakukan pencarian jumlah neuron lapis tersembunyi yang optimal. Jumlah neuron lapis tersembunyi yang digunakan dalam percobaan adalah 10, 20, 30,40, 50, 60, 70, 80, 90 dan 100. Dalam percobaan untuk menentukan neuron lapis tersembunyi yang optimal dilakukan proses checking, dapat dilihat pada Lampiran 2. Hasil dari proses checking menunjukkan bahwa neuron lapis tersembunyi sebesar 90 menghasilkan akurasi rata-rata 100% untuk untuk toleransi galat 0.01 dan laju pembelajaran 0.1. Hal ini berarti bahwa pada proses checking dari 17 data produk operator yang diujikan ke dalam sistem semuanya dikenali sesuai dengan kelasnya. Sementara itu, waktu pengujian yang dibutuhkan untuk laju pembelajaran 4.214 detik.
x rep =
x1 + x 2 dengan 2
x rep = nilai untuk representasi x1 = nilai titik awal interval x 2 = nilai titik akhir interval Representasi untuk panggilan ke PSTN ada sebanyak 20 fitur masukan. Panggilan ke ponsel merepresentasikan sebanyak 10 fitur. 2.
Tarif SMS, MMS dan GPRS Tarif SMS, MMS dan GPRS direpresentasikan dengan nilai tetap yang dipilih oleh responden. Nilai tetap ini berupa pilihan responden terhadap tarif SMS, MMS dan GPRS.
Toleransi Galat dan Laju Pembelajaran Proses checking selanjutnya adalah menentukan nilai toleransi galat dan laju pembelajaran yang optimal. Jumlah neuron lapis tersembunyi yang digunakan adalah sebesar 90. Pada proses checking ini dilakukan 12 perlakuan yang merupakan kombinasi dari empat tingkat toleransi galat dan tiga tingkat laju pembelajaran, yaitu :
10
Tabel 6 Perlakuan pada proses checking No Toleransi Laju Galat Pembelajaran 1 0.100 0.1 2 0.100 0.3 3 0.100 0.5 4 0.050 0.1 5 0.050 0.3 6 0.050 0.5 7 0.010 0.1 8 0.010 0.3 9 0.010 0.5 10 0.001 0.1 11 0.001 0.3 12 0.001 0.5 Dari 12 perlakuan tersebut didapat bahwa pada toleransi galat 0.01 dan laju pembelajaran 0.1, 0.001 dan laju pembelajaran 0.1, 0.3 dan 0.5 akurasi sebesar 100%. Sementara itu, waktu pelatihannya berturut-turut adalah 4.214 detik, 9.198 detik, 14.742 detik dan 10.860. Epoh ratarata yang dihasilkan berturut-turut adalah 496 epoh, 1136 epoh, 1782 epoh, dan 1195 epoh. Parameter toleransi galat yang diambil untuk tren pemilihan produk operator di masa yang akan datang adalah dengan melihat rata-rata akurasi proses checking, sehingga didapat toleransi galat sebesar 0.01, 0.001 dengan laju pembelajaran 0.1, 0.3 dan 0.5. Toleransi galat dan laju pembelajaran yang diambil adalah 0.01 dan 0.1 karena mempunyai akurasi 100% dan waktu pelatihan dan epohnya yang terkecil. Tren Pemilihan Produk Operator di Masa Mendatang Percobaan selanjutnya adalah menguji sistem. Percobaan ini untuk mengujikan 45 data pengguna produk operator terhadap sistem yang telah dibangun dari sisi operator (17 produk operator). Jumlah neuron yang digunakan pada Backpropagation Neural Network yaitu sebesar 90 dengan toleransi galat sebesar 0.01 dan laju pembelajaran 0.1. Sistem diuji dengan cara memasukkan 45 data pengguna produk operator ke dalam sistem kemudian dilakukan pengenalan dengan hasil keluaran berupa hasil pengenalan dan waktu pengujian. Dari 10 data pengguna produk operator Mentari yang diuji, tren dari pengguna sekarang belum mampu sesuai dengan tren yang akan datang yang diberikan operator. Semuanya tidak dikenali sebagai pengguna produk operator mentari yang berarti persentase pemilihan pengguna sebesar 0%.
Flexi Pasca Bayar 10% Simpati 10%
Mentari 0%
Star One Pra Bayar 10% Flexi Pra Bayar 10%
Tidak Dikenal 50%
Fren Pra Bayar 10%
Gambar 9 Grafik tren hasil Mentari. Dari 10 data pengguna produk operator Im3 yang diuji, tren dari pengguna sekarang belum sesuai dengan tren yang akan datang yang diberikan operator. Semuanya tidak dikenali sebagai pengguna produk operator Im3 yang berarti persentase pemilihan pengguna sebesar 0%. Tren pengguna Im3 yang optimal mempunyai kecondongan ke produk operator yang berbasis CDMA.
Flexi Pra Bayar 20%
Im3 0%
Tidak Dikenal 10%
Fren Pra Bayar 30%
Star One Pasca Bayar 20% Flexi Pra Bayar 20%
Gambar 10 Grafik tren hasil Im3. Dari 10 data pengguna produk operator Simpati yang diuji, tren dari pengguna sekarang belum sesuai dengan tren yang akan datang yang diberikan operator. Semuanya tidak dikenali sebagai pengguna produk operator Simpati yang berarti persentase pemilihan pengguna sebesar 0%. Tren pengguna produk operator Simpati menunjukkan sebanyak 40% produk operator sekarang belum mampu menyediakan layanan yang optimal sesuai dengan kebutuhan pengguna produk operator Simpati.
11
Xplorer 10% Jempol 10% Star One Pra Bayar 10% Flexi Pra Bayar 10%
Flexi Pasca Bayar 10%
Produk Operator Awal
Simpati 0%
Tidak Dikenal 40%
Esia XL Jempol XL Bebas
Fren Pra Bayar 10%
X-plor Fren Pra bayar
Gambar 11 Grafik tren hasil Simpati. Pemilihan yang optimal dari 45 responden menunjukkan bahwa tarif yang murah adalah kebutuhan yang optimal. Kecenderungan untuk beralih ke produk operator CDMA terlihat dari hasil optimalisasi responden, untuk lebih lengkapnya dapat dilihat pada Tabel 7. Tabel 7 Optimasi 45 Responden Produk Produk Operator Operator Awal Optimal Mentari Tidak Dikenal Fren Pra Bayar Flexi Pra Bayar Star One Pra Bayar Simpati Flexi Pasca Bayar Mentari Im3 Tidak Dikenal Fren Pra Bayar Flexi Pra Bayar Star One Pasca Bayar Flexi Pra Bayar Im3 Simpati Tidak Dikenal Fren Pra Bayar Flexi Pasca Bayar Flexi Pra Bayar Star One Pra Bayar Jempol Xplorer Simpati As Tidak dikenal Starone Pasca Bayar
Jumlah 5 1 1 1 1 1 0 1 3 2 2 2 0 4 1 1 1 1 1 1 0 1 1
Flexi Pra Bayar
Produk Operator Optimal Mentari Jempol Tidak dikenal Flexi Pra Bayar Tidak dikenal Flexi Pra Bayar Flexi Pasca Bayar Flexi Pasca Bayar Starone Pra Bayar
Jumlah
Tidak dikenal
1 1 2 1 1 1 2 1 2 1
Percobaan II (dari sisi pengguna produk operator) Penggunaan data pelatihan sebagai masukan pada Neural Network dalam percobaan II dibagi menjadi 3 kelas. Setiap kelas merepresentasikan satu produk operator yang unik. Pada setiap kelas digunakan 8 data latih untuk setiap kelasnya, yang terdiri dari 56 fitur. Data pengujian pada percobaan I diambil dari data pengguna dengan pembagian 2 pengguna produk operator Mentari, 2 pengguna produk operator Im3, 2 pengguna produk operator Simpati, 4 pengguna produk operator As, 3 pengguna produk operator Esia pra bayar, 1 pengguna produk operator Jempol, 1 pengguna produk operator Bebas, 2 pengguna produk operator Xplore, 3 pengguna produk operator Fren pra bayar, dan 1 pengguna produk operator Flexi pra bayar. Percobaan II dengan menggunakan sudut pandang pengguna. Percobaan II menghasilkan pola yang menunjukkan tren pemilihan produk operator sekarang ini. Penentuan Treshold Untuk percobaan II, dilakukan pencarian treshold sebagai batas minimal untuk penentuan kelas. Jumlah neuron lapis tersembunyi yang digunakan dalam percobaan adalah 10, 20, 30, 40, 50, 60, 70, 80, 90 dan 100. Dalam percobaan untuk menentukan treshold dilakukan proses checking. Penentuan treshold diambil dari checking . Treshold untuk ketiga kelas tersebut adalah 0.607762228 untuk Mentari, 0.730669059 untuk Im3 dan 0.728726192 untuk Simpati.
12
Neuron Lapis Tersembunyi Untuk percobaan II, dilakukan pencarian jumlah neuron lapis tersembunyi yang optimal. Jumlah neuron lapis tersembunyi yang digunakan dalam percobaan adalah 10, 20, 30, 40, 50, 60, 70, 80, 90 dan 100. Dalam percobaan ini toleransi galat yang digunakan sebesar 0.01 dengan laju pembelajaran sebesar 0.1 dapat dilihat pada Lampiran 3. Hasil yang diperoleh menunjukkan bahwa jumlah neuron lapis tersembunyi sebesar 60 (Gambar 12) menghasilkan rata-rata akurasi terbesar yaitu 65.08 %. Hal ini berarti bahwa dari 21 data pengguna operator yang diujikan ke dalam sistem, sebanyak 13 data pengguna operator diidentifikasi secara benar, sedangkan sebanyak 8 data pengguna operator diidentifikasi salah. Berdasarkan akurasi yang dihasilkan maka jumlah hasil neuron lapis tersembunyi yang optimal sebesar 60. Nilai ini kemudian akan digunakan untuk percobaan selanjutnya.
Untuk masing-masing perlakuan diulang sebanyak tiga kali. Hal ini dilakukan untuk melihat parameter mana saja yang berubah pada saaat percobaan. Dari hasil percobaan dengan 6 perlakuan yang dilakukan, dapat dilihat bahwa untuk setiap pengulangan, parameter yang selalu berubah adalah waktu (satuan detik). Hal ini terjadi karena karena nilai yang digunakan pada inisialisasi jaringan selalu berubah. Nilai tersebut merupakan nilai yang diambil secara acak yang menyebabkan waktu perhitungan yang diperlukan menjadi berbeda. Pada Gambar 13 terlihat bahwa semakin kecil toleransi galatnya maka akan semakin besar epohnya, baik untuk laju pembelajaran 0.1, 0.3 atau 0.5. Hal ini terjadi karena Neural Network akan lebih cepat konvergen pada toleransi galat yang besar. 1200
Epoh
1000
Rata-rata Akurasi (%)
70 60 50
800 600 400 200
40
0
30
0.01
20
0.005
0.001
Toleransi Galat
10 0 10
20
30
40
50
60
70
80
90
100
Neuron Lapis Tersembunyi
Gambar 12 Grafik perbandingan banyaknya neuron lapis tersembunyi terhadap rata-rata akurasi. Toleransi Galat dan Laju Pembelajaran Proses pengujian selanjutnya adalah menentukan nilai toleransi galat dan laju pembelajaran yang optimal. Jumlah neuron lapis tersembunyi yang digunakan adalah sebesar 60. Pada proses checking ini dilakukan 6 perlakuan yang merupakan kombinasi dari empat tingkat toleransi galat dan tiga tingkat laju pembelajaran, dapat dilihat pada Tabel 8. Tabel 8 Perlakuan pada proses testing No Toleransi Laju Galat Pembelajaran 1 0.01 0.1 2 0.01 0.3 3 0.01 0.5 4 0.001 0.1 5 0.001 0.3 6 0.001 0.5
LR 0.1
LR 0.3
LR 0.5
Gambar 13 Grafik perbandingan toleransi galat terhadap epoh. Pada Gambar 14 dapat dilihat perbandingan antara toleransi galat dengan lamanya waktu pelatihan dalam satuan detik. Dari grafik tersebut terlihat bahwa semakin besar toleransi galatnya maka semakin memperbesar waktu pelatihannya. Keadaan ini sama seperti perbandingan antara toleransi galat terhadap jumlah epoh yang berbanding lurus, dimana semakin besar toleransi galat maka akan semakin mendekati konvergen. Waktu pelatihan tercepat dicapai pada saat toleransi galat 0.01.
10
1200
8
1000 800
6
Epoh
Waktu Pelatihan (detik)
13
4 2
600 400 200 0
0 0.01
0.005
0.1
0.001
0.3 Laju Pembelajaran
Toleransi Galat LR 0.3
Gambar 14 Grafik perbandingan toleransi galat terhadap waktu pelatihan (satuan detik). Pada Gambar 15 dapat dilihat bahwa akurasi semakin turun ketika toleransi galat diperbesar. Toleransi galat sebesar 0.01 menghasilkan ratarata akurasi tertinggi sebesar 65.08 %. 70 Rata-rata Akurasi (%)
ER 0.01
LR 0.5
Gambar
Waktu Pelatihan (detik)
LR 0.1
0.5
16
ER 0.005
ER 0.001
Grafik perbandingan laju pembelajaran terhadap epoh.
10 8 6 4 2 0 0.1
60 50
0.3
0.5
Laju Pembelajaran
40 30
ER 0.01
20
Gambar
10 0 0.01
0.005
0.001
17
ER 0.005
ER 0.001
Grafik perbandingan laju pembelajaran terhadap waktu pelatihan (satuan detik).
Toleransi Galat LR 0.1
LR 0.3
LR 0.5
Gambar 15 Grafik perbandingan toleransi galat terhadap rata-rata akurasi. Terlihat pada Gambar 16 bahwa epoh terkecil dapat dicapai pada saat laju pembelajaran 0.1. Gambar 17 menunjukkan bahwa laju pembelajaran menentukan lamanya waktu pelatihan. Hal ini dapat terjadi karena laju pembelajaran merupakan parameter yang mengatur berapa besar perubahan bobot yang harus dilakukan pada saat pelatihan untuk mencapai konvergensi. Besarnya perubahan bobot juga bergantung pada nilai yang terdapat pada neuron yang bersangkutan dan faktor koreksi bobot. Oleh karena itu, laju pembelajaran juga menentukan berapa kali Neural Network harus melakukan pembelajaran dari masukan yang diumpankan untuk mencapai konvergensi.
Pada Gambar 18 menunjukkan bahwa pada saat laju pembelajaran 0.1 dan toleransi galatnya sebesar 0.01 dicapai rata-rata akurasi tertinggi yaitu sebesar 65.08 %. Hal ini berarti bahwa dari tiga kali perulangan perhitungan akurasi, dari 21 data pengguna operator yang diujikan 13 data pengguna produk operator diidentifikasi pada kelas yang benar, sedangkan untuk 8 data pengguna produk operator lainnya tidak teridentifikasi secara benar. Untuk mendapatkan nilai yang optimal bagi toleransi galat dan laju pembelajaran maka parameter yang diamati adalah rata-rata akurasi yang dihasilkan. Hal ini dilakukan karena untuk membentuk pendugaan pangguna produk operator yang tepat berada kelas tertentu diperlukan Backpropagation Neural Network dengan arsitektur yang dapat menghasilkan ratarata akurasi yang terbaik. Oleh karena sebab itu, berdasarkan hasil percobaan yang dilakukan dapat diambil nilai yang optimal untuk nilai toleransi galat sebesar 0.01 dan laju pembeljaran sebesar 0.1. Hal ini dikarenakan pada saat toleransi galat sebesar 0.01 dan laju pembelajaran 0.1 dicapai rata-rata akurasi yang terbaik.
Rata-rata Akurasi (%)
14
80
Saran
60 40 20 0 0.1
0.3
0.5
Laju Pembelajaran ER 0.01
Gambar
18
ER 0.005
ER 0.001
Grafik perbandingan laju pembelajaran terhadap akurasi.
KESIMPULAN DAN SARAN Kesimpulan Sistem dibangun dengan melakukan penelitian terlebih dahulu yang berkaitan dengan reduksi data pengguna operator terhadap data dari sisi operator. Kemudian didapat 63 fitur yang akan digunakan sebagai input pada neuron lapisan input pada Backpropagation Neural Network tetapi kemudian direduksi menjadi 56 fitur karena responden mempunyai mobility yang rendah sehingga fitur coverage dihilangkan dalam proses optimasi. Pencarian parameter untuk membentuk arsitektur Backpropagation Neural Network: 1. Sisi operator: dilakukan melalui proses checking yaitu menggunakan data pelatihan untuk melakukan pengujian, didapat akurasi yang optimal sebesar 100% dengan neuron lapis tersembunyi sebesar 90, toleransi galat 0.01 dan laju pembelajaran 0.1. 2. Sisi pengguna: dilakukan melalui proses pengujian (testing), didapat akurasi yang optimal sebesar 65.08 % dengan neuron lapis tersembunyi sebesar 60, toleransi galat 0.01 dan laju pembelajaran 0.1. Persentase pengguna sekarang menunjukkan pengguna produk operator belum mampu menyesuaikan dengan tarif dan fitur lain yang disediakan oleh operator. Hasil penelitian mendapatkan persentase sebesar 0% dari 45 data pengguna produk operator yang diujikan dari sisi operator. Responden memiliki kecenderungan optimal pada produk operator CDMA Pola pengguna produk operator sekarang masih mempunyai bias yang terlalu besar sehingga sistem belum mampu mencapai akurasi yang tinggi untuk menebak pola penggunaan produk operator berdasarkan kelasnya.
Penelitian ini masih harus dikembangkan lebih lanjut diantaranya: Pembobotan bersifat random sehingga hasil pemilihan produk operator bisa dititikberatkan pada kebutuhan utama pengguna produk operator. Pengembangan dan penambahan variabel eksternal dan fitur khusus produk operator untuk lebih mendekati pemahaman pengguna produk operator termasuk coverage area. Penyebaran kuisioner untuk data dari pengguna lebih ditingkatkan lagi untuk menjangkau kebutuhan masyarakat umumnya bukan hanya dari mahasiswa. Model prediksi (forecasting) untuk mengetahui tren teknologi yang akan banyak digunakan oleh masyarakat.
DAFTAR PUSTAKA Deris Setiawan, S.Kom, M.T, 2003. Teknologi Selular dan CDMA. PT.Elex Media Komputindo. Fausett, L, 1994. Fundamental of Neural Networks. Prentice Hall New Jersey Jorstad I, Dustdar S, Tahnh D. 2003. Evolution of Mobile Service : An analysis of current architectures with prospect to future, Norwegian University of Science and Technology, Dept of Telematics, O.S. Bragstads plass 2E N-7491 Trondheim, Norway. McDaniel, P, 2006, Open Functionality in SMS Cellular Networks, Systems and Internet Infrastructure Security, Penn State. Miranti, E, 2003. Dahsyatnya Bisnis Jasa operator Selular. ATSI (Asosiasi Telepon Selular indonesia) South Dakota Public Utilities Commision, 2003. Myths & Magic Cellular Phone, State Capital Building 500 East Capitol Pierre SD 57501. Stordahl, K 2004. Mobile Market Dynamics. Telenar R & D Research. Trickey Graham, 2003. Multimedia Messaging Services – The Big Picture,Director, Endto-End Features & Services Task Forces, GSM Association (GSMA). Hamdi M, Verscheure O, Hubaux JP, 1998, Voice Service Interworking for PSTN and IP Networks, Institute for Computer Communications and ApplicationICA(EPFL).
15
LAMPIRAN
16
Lampiran 1 Fitur dari operator untuk Neural Network Parameter Voice Calling Off Peak (06.00-07.00) Ponsel ke PSTN Lokal SLJJ 1 SLJJ 2 SLJJ 3 Lokal(sesama Ponsel ke Ponsel operator) Lokal(operator lain) SLJJ 1 SLJJ 2 SLJJ 3 Off Peak (07.00-08.00) Ponsel ke PSTN Lokal SLJJ 1 SLJJ 2 SLJJ 3 Lokal(sesama Ponsel ke Ponsel operator) Lokal(operator lain) SLJJ 1 SLJJ 2 SLJJ 3 Peak Time (08.00-22.00) Ponsel ke PSTN Lokal SLJJ 1 SLJJ 2 SLJJ 3 Lokal(sesama Ponsel ke Ponsel operator) Lokal(operator lain) SLJJ 1 SLJJ 2 SLJJ 3 Off Peak (22.00-00.00) Ponsel ke PSTN Lokal SLJJ 1 SLJJ 2 SLJJ 3 Ponsel ke Ponsel Lokal(sesama
Parameter
Fitur Ke-
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32
operator) Lokal(operator lain) SLJJ 1 SLJJ 2 SLJJ 3 Off Peak(00.00-06.00) Ponsel ke PSTN Lokal SLJJ 1 SLJJ 2 SLJJ 3 Lokal(sesama Ponsel ke Ponsel operator) Lokal(operator lain) SLJJ 1 SLJJ 2 SLJJ 3 SMS Sesama Produk SMS Nasional Operator Sesama Operator Antar Operator SMS Internasional Internasional MMS dihitung per 50 MMS per Kb Kb GPRS GPRS per Kb dihitung per Kb 3G On Peak Sesama Video Calling Operator(local) Sesama Operator(SLJJ) Off Peak Sesama Operator(local) Video Calling Sesama Operator(SLJJ) TV mobile
Fitur Ke-
33 34 35 36 37 38 39 40 41 42 43 44 45
46 47 48 49
50 51
52 53
54 55 56
17
Lampiran 2 Proses Checking dari Sisi Operator Jumlah Neuron Tersembunyi 10
Toleransi Galat 0.1
0.01
0.05
0.001
20
0.1
0.01
0.05
0.001
30
0.1
0.01
0.05
0.001
40
0.1
0.01
0.05
Laju Pembelajaran 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5
Epoh 409 2,439 2,531 3,000 2,314 3,000 2,197 2,202 2,570 3,000 3,000 3,000 233 2,354 1,839 3,000 3,000 2,464 999 2,100 3,000 3,000 3,000 3,000 257 1,234 2,133 2,251 2,448 1,816 555 2,102 1,131 3,000 3,000 3,000 78 388 1,607 2,237 2,263 3,000 401 1,086 2,118
Waktu Pelatihan (detik) 3.063 14.880 15.552 18.688 13.526 17.969 13.334 13.385 15.188 18.380 17.714 17.141 98.755 19.109 12.113 24.320 23.896 20.322 6.344 16.537 24.854 24.584 19.875 18.708 2.500 2.437 13.297 14.000 15.157 10.927 34.897 17.125 9.500 17.360 17.526 16.761 13.437 2.438 11.305 13.172 12.932 24.297 3.480 8.630 17.062
Waktu Pengujian (detik) 0.036 0.026 0.016 0.015 0.021 0.021 0.021 0.021 0.026 0.031 0.041 0.020 0.026 0.026 0.021 0.021 0.016 0.026 0.021 0.016 0.026 0.016 0.021 0.021 0.021 0.015 0.021 0.016 0.016 0.021 0.020 0.015 0.016 0.016 0.016 0.016 0.016 0.015 0.021 0.026 0.016 0.016 0.021 0.021 0.021
Akurasi 58.82 5.88 7.84 62.75 7.84 90.20 82.35 86.27 37.25 25.49 66.67 5.88 60.78 5.88 60.78 98.04 56.86 39.22 92.16 37.25 33.33 96.08 62.75 41.18 64.71 45.10 23.53 100.00 96.08 98.04 92.16 47.06 92.16 100.00 90.20 21.57 56.86 52.94 41.18 96.08 66.67 60.78 92.16 86.27 68.63
18
Jumlah Neuron Tersembunyi
Toleransi Galat 0.001
50
0.1
0.01
0.05
0.001
60
0.1
0.01
0.05
0.001
70
0.1
0.01
0.05
0.001
80
0.1
0.01
0.05
Laju Pembelajaran 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3
Epoh 3,000 2,706 2,587 71 500 1,307 751 2,217 1,974 368 927 2,860 2,056 2,815 3,000 231 883 1,356 1,267 3,000 2,166 304 299 315 1,833 1,713 2,035 68 311 668 586 648 3,000 238 362 161 1,481 2,917 3,000 50 189 255 2,218 1,256 2,188 186 432
Waktu Pelatihan (detik) 15.346 21.630 20.958 1.376 1.544 9.245 5.328 15.994 9.977 2.867 6.610 18.485 13.589 18.911 13.377 3.391 6.339 9.344 8.787 21.235 15.406 2.417 2.380 9.979 7.822 11.656 15.367 1.338 2.383 5.036 4.227 4.927 22.453 2.083 2.990 1.620 12.141 21.719 22.417 1.219 1.875 4.979 16.901 9.875 16.912 1.797 3.485
Waktu Pengujian (detik) 0.031 0.015 0.021 0.031 0.020 0.020 0.021 0.020 0.021 0.016 0.016 0.016 0.021 0.016 0.016 0.015 0.015 0.021 0.021 0.021 0.016 0.021 0.021 0.016 0.021 0.015 0.021 0.026 0.016 0.016 0.016 0.015 0.016 0.021 0.016 0.015 0.016 0.021 0.015 0.020 0.016 0.016 0.026 0.021 0.015 0.015 0.015
Akurasi 98.04 88.24 82.35 58.82 52.94 49.02 100.00 96.08 82.35 90.20 88.24 49.02 100.00 98.04 41.18 54.90 60.78 47.06 98.04 43.14 92.16 90.20 96.08 78.43 100.00 100.00 82.35 64.71 56.86 62.75 100.00 98.04 92.16 88.24 88.24 92.16 100.00 96.08 66.67 66.67 64.71 58.82 96.08 96.08 96.08 92.16 88.24
19
Jumlah Neuron Tersembunyi
Toleransi Galat 0.001
90
0.1
0.01
0.05
0.001
100
0.1
0.01
0.05
0.001
Laju Pembelajaran 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5
Epoh 617 1,513 2,302 3,667 196 81 505 496 1,362 1,341 125 700 1,852 1,136 1,782 1,195 49 446 562 853 690 1,364 112 278 1,418 1,155 1,401 2,634
Waktu Pelatihan (detik) 3.989 11.526 14.930 10.005 0.771 1.193 5.446 4.214 10.964 10.937 1.463 5.823 15.521 9.198 14.742 10.860 1.125 5.203 6.703 9.385 7.531 19.328 1.750 3.484 14.699 12.380 14.865 28.818
Waktu Pengujian (detik) 0.026 0.021 0.015 0.021 0.026 0.021 0.031 0.016 0.016 0.015 0.021 0.026 0.026 0.015 0.026 0.020 0.016 0.020 0.021 0.021 0.021 0.020 0.021 0.021 0.015 0.015 0.021 0.031
Akurasi 90.20 100.00 98.04 100.00 54.90 72.55 56.86 100.00 98.04 98.04 92.16 88.24 70.59 100.00 100.00 100.00 66.67 52.94 66.67 100.00 100.00 98.04 94.12 90.20 74.51 100.00 100.00 98.04
20
Lampiran 3 Hasil pengujian dari sisi pengguna Jumlah Neuron Tersembunyi 10
Toleransi Galat 0.01
0.005
0.001
20
0.01
0.005
0.001
30
0.01
0.005
0.001
40
0.01
0.005
0.001
50
0.01
0.005
0.001
Laju Pembelajaran 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3
Epoh 1,579 1,198 1,388 1,524 1,858 2,454 3,000 3,000 3,000 766 1,058 1,913 1,486 1,807 1,924 2,133 2,541 2,845 528 783 1,146 822 994 971 1,802 1,696 1,658 491 533 682 548 960 702 1,136 1,276 1,140 424 472 506 516 760 629 915 996
Waktu Pelatihan (detik) 12.38 9.15 10.77 16.20 17.46 25.94 27.98 28.71 27.32 7.47 10.07 18.11 14.14 16.65 18.19 22.99 24.73 28.00 6.18 7.03 12.57 8.14 10.56 10.36 18.75 17.53 16.83 3.85 3.21 4.43 3.36 5.48 4.76 6.51 7.56 6.69 2.93 3.28 3.77 3.55 5.29 4.16 6.31 7.45
Waktu Pengujian (detik) 0.016 0.015 0.016 0.021 0.016 0.016 0.021 0.016 0.016 0.016 0.015 0.015 0.016 0.016 0.015 0.021 0.021 0.021 0.021 0.016 0.021 0.021 0.016 0.021 0.016 0.021 0.021 0.021 0.016 0.021 0.021 0.016 0.021 0.016 0.021 0.016 0.015 0.026 0.026 0.021 0.021 0.015 0.026 0.020
Akurasi 58.73 44.44 51.59 52.38 46.03 42.86 57.14 41.27 41.27 47.62 47.62 49.21 47.62 44.44 46.03 46.03 52.38 49.21 31.75 58.73 57.14 50.79 44.44 41.27 46.03 53.97 47.62 47.62 47.62 47.62 46.03 49.21 58.73 52.38 31.75 47.62 55.56 42.86 61.90 39.68 47.62 52.38 42.86 49.21
21
Jumlah Neuron Tersembunyi 60
Toleransi Galat 0.01
0.005
0.001
70
0.01
0.005
0.001
80
0.01
0.005
0.001
90
0.01
0.005
0.001
100
0.01
0.005
0.001
Laju Pembelajaran 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5 0.1 0.3 0.5
Epoh 1,011 389 487 543 506 612 571 904 889 972 382 449 719 467 495 572 883 834 894 359 354 725 552 614 509 739 844 986 333 355 346 490 494 447 776 826 793 336 394 486 409 455 536 750 795 824
Waktu Pelatihan (detik) 6.65 4.60 3.96 3.67 3.70 4.87 4.56 5.81 5.59 7.79 2.98 3.68 5.41 3.55 3.73 4.60 6.65 6.49 6.52 3.21 2.94 5.82 4.63 4.88 4.17 6.54 7.46 8.47 3.30 3.43 3.11 4.28 4.99 4.39 6.43 7.27 6.85 3.00 4.02 3.48 4.11 4.38 5.15 6.72 7.13 7.37
Waktu Pengujian (detik) 0.021 0.041 0.015 0.016 0.016 0.016 0.016 0.031 0.016 0.016 0.015 0.016 0.021 0.021 0.016 0.021 0.016 0.020 0.021 0.021 0.021 0.021 0.016 0.016 0.015 0.026 0.016 0.021 0.026 0.015 0.021 0.016 0.021 0.016 0.021 0.016 0.021 0.016 0.021 0.016 0.021 0.024 0.016 0.021 0.015 0.021
Akurasi 46.03 65.08 58.73 47.62 63.49 55.56 44.44 49.21 50.79 36.51 38.10 49.21 49.21 52.38 47.62 63.49 30.16 55.56 49.21 46.03 60.32 50.79 47.62 53.97 50.79 57.14 47.62 42.86 44.44 53.97 49.21 61.90 52.38 57.14 53.97 44.44 57.14 52.38 58.73 55.56 63.49 63.49 50.79 47.62 49.21 57.14
22
Lampiran 4 Kuisioner Umur =...tahun Tanggal Pengisian = Pekerjaan =......... Produk Operator (Im3,Mentari,XL Bebas,Simpati,dll) =......(misal: im3) Lama pemakaian layanan operator terakhir(SIM card) yang anda pakai sekarang(misal : 1 thn,2 thn,3 thn,dll...)=....tahun Tipe Handphone =........./.......(misal : Nokia 6600/GSM) Petunjuk Pengisian Quisioner Note:Untuk pengisian kuisioner dimohon disesuaikan dengan kebutuhan real anda dalam berkomunikasi sehari-hari dan alasan mengapa anda memilih operator tersebut. Isikan umur, pekerjaan, jenis operator yang anda pakai sekarang, tipe Handphone dan lamanya anda telah menggunakan layanan operator tersebut pada header di atas. Terima kasih banyak atas partisipasinya dalam pengisian kuisioner ini. Pilih salah satu jawaban yang sesuai dengan memberi tanda cek(v) pada jawaban yang dipilih Untuk Pemilihan tarif setiap kolomnya hanya diperbolehkan memilih satu pilihan,contoh pemilihan: 1.Berapa tarif menelepon ke PSTN(telepon rumah) dalam zona lokal(satu daerah) yang sesuai, menurut kebutuhan anda(rupiah per menit) Off Peak Off Peak Peak Time Off Peak Off Peak (06.00-07.00) (07.00-08.00) (08.00-22.00) (22.00-00.00) (00.00-06.00) 100-200 100-200 100-200 100-200 100-200 201-300 201-300 201-300 201-300 201-300 301-500 301-500 301-500 301-500 301-500 501-700 501-700 501-700 501-700 501-700 701-1000 701-1000 701-1000 701-1000 701-1000 1001-2000 1001-2000 1001-2000 1001-2000 1001-2000 note : 100-200 menunjukkan rentang nilai 100 sampai dengan 200 1. Untuk Pemilihan Tarif GPRS(per KB) Tarif GPRS per KB 3 5 10 15 25 30 tidak perlu GPRS kecuali untuk pemilihan Area Coverage,contoh pemilihan
23
Quisioner A] Voice Calling Ponsel Ke PSTN(telepon rumah) keterangan: SLJJ 1=Zone-1:30Km-200Km SLJJ 2=Zone-1:200Km-500Km SLJJ 3=Zone-1:>500Km Lokal<30Km 1.Berapa tarif menelepon ke PSTN(telepon rumah) dalam zona lokal(satu daerah) yang sesuai, menurut kebutuhan anda(rupiah per menit) Off Peak (06.00-07.00) 100-200 201-300 301-500 501-700 701-1000 1001-2000
Off Peak (07.00-08.00) 100-200 201-300 301-500 501-700 701-1000 1001-2000
Peak Time (08.00-22.00) 100-200 201-300 301-500 501-700 701-1000 1001-2000
Off Peak (22.00-00.00) 100-200 201-300 301-500 501-700 701-1000 1001-2000
Off Peak (00.00-06.00) 100-200 201-300 301-500 501-700 701-1000 1001-2000
2.Berapa tarif menelepon ke PSTN(telepon rumah) dalam zona SLJJ1 yang sesuai, menurut kebutuhan anda(rupiah per menit)
Off Peak (06.00-07.00) 100-200 201-400 401-700 701-900 901-1100 1101-1300 1301-1500 1501-1700 1701-2000 2001-2300 2301-3000 3001-3500 3501-4000
Off Peak (07.00-08.00) 100-200 201-400 401-700 701-900 901-1100 1101-1300 1301-1500 1501-1700 1701-2000 2001-2300 2301-3000 3001-3500 3501-4000
Peak Time (08.00-22.00) 100-200 201-400 401-700 701-900 901-1100 1101-1300 1301-1500 1501-1700 1701-2000 2001-2300 2301-3000 3001-3500 3501-4000
Off Peak (22.00-00.00) 100-200 201-400 401-700 701-900 901-1100 1101-1300 1301-1500 1501-1700 1701-2000 2001-2300 2301-3000 3001-3500 3501-4000
Off Peak (00.00-06.00) 100-200 201-400 401-700 701-900 901-1100 1101-1300 1301-1500 1501-1700 1701-2000 2001-2300 2301-3000 3001-3500 3501-4000
24
3.Berapa tarif menelepon ke PSTN(telepon rumah) dalam zona SLJJ2 yang sesuai, menurut kebutuhan anda(rupiah per menit)
Off Peak (06.00-07.00) 100-200 201-400 401-700 701-900 901-1100 1101-1300 1301-1500 1501-1700 1701-2000 2001-2300 2301-3000 3001-3500 3501-4000
Off Peak (07.00-08.00) 100-200 201-400 401-700 701-900 901-1100 1101-1300 1301-1500 1501-1700 1701-2000 2001-2300 2301-3000 3001-3500 3501-4000
Peak Time (08.00-22.00) 100-200 201-400 401-700 701-900 901-1100 1101-1300 1301-1500 1501-1700 1701-2000 2001-2300 2301-3000 3001-3500 3501-4000
Off Peak (22.00-00.00) 100-200 201-400 401-700 701-900 901-1100 1101-1300 1301-1500 1501-1700 1701-2000 2001-2300 2301-3000 3001-3500 3501-4000
Off Peak (00.00-06.00) 100-200 201-400 401-700 701-900 901-1100 1101-1300 1301-1500 1501-1700 1701-2000 2001-2300 2301-3000 3001-3500 3501-4000
4.Berapa tarif menelepon ke PSTN(telepon rumah) dalam zona SLJJ3 yang sesuai, menurut kebutuhan anda(rupiah per menit)
Off Peak (06.00-07.00) 100-200 201-400 401-700 701-900 901-1100 1101-1300 1301-1500 1501-1700 1701-2000 2001-2300 2301-3000 3001-3500 3501-4000
Off Peak (07.00-08.00) 100-200 201-400 401-700 701-900 901-1100 1101-1300 1301-1500 1501-1700 1701-2000 2001-2300 2301-3000 3001-3500 3501-4000
Peak Time (08.00-22.00) 100-200 201-400 401-700 701-900 901-1100 1101-1300 1301-1500 1501-1700 1701-2000 2001-2300 2301-3000 3001-3500 3501-4000
Off Peak (22.00-00.00) 100-200 201-400 401-700 701-900 901-1100 1101-1300 1301-1500 1501-1700 1701-2000 2001-2300 2301-3000 3001-3500 3501-4000
Off Peak (00.00-06.00) 100-200 201-400 401-700 701-900 901-1100 1101-1300 1301-1500 1501-1700 1701-2000 2001-2300 2301-3000 3001-3500 3501-4000
25
Ponsel Ke Ponsel keterangan: SLJJ 1=Zone-1:30Km-200Km SLJJ 2=Zone-1:200Km-500Km SLJJ 3=Zone-1:>500Km Lokal<30Km 1.Berapa tarif menelepon Ponsel ke Ponsel(operator sama) dalam zona lokal(satu daerah) yang sesuai, menurut kebutuhan anda(rupiah per menit) Off Peak (06.00-07.00) <100 100-200 201-300 301-500 501-700 701-1000 1001-2000
Off Peak (07.00-08.00) <100 100-200 201-300 301-500 501-700 701-1000 1001-2000
Peak Time (08.00-22.00) <100 100-200 201-300 301-500 501-700 701-1000 1001-2000
Off Peak (22.00-00.00) <100 100-200 201-300 301-500 501-700 701-1000 1001-2000
Off Peak (00.00-06.00) <100 100-200 201-300 301-500 501-700 701-1000 1001-2000
2.Berapa tarif menelepon Ponsel ke Ponsel(antar operator) dalam zona lokal(satu daerah) yang sesuai, menurut kebutuhan anda (rupiah per menit)
Off Peak (06.00-07.00) 100-200 201-400 401-700 701-900 901-1100 1101-1300 1301-1500 1501-1700 1701-2000 2001-2300 2301-3000
Off Peak (07.00-08.00) 100-200 201-400 401-700 701-900 901-1100 1101-1300 1301-1500 1501-1700 1701-2000 2001-2300 2301-3000
Peak Time (08.00-22.00) 100-200 201-400 401-700 701-900 901-1100 1101-1300 1301-1500 1501-1700 1701-2000 2001-2300 2301-3000
Off Peak (22.00-00.00) 100-200 201-400 401-700 701-900 901-1100 1101-1300 1301-1500 1501-1700 1701-2000 2001-2300 2301-3000
Off Peak (00.00-06.00) 100-200 201-400 401-700 701-900 901-1100 1101-1300 1301-1500 1501-1700 1701-2000 2001-2300 2301-3000
26
3.Berapa tarif menelepon Ponsel ke Ponsel dalam zona SLJJ1 yang sesuai, menurut kebutuhan anda(rupiah per menit) Off Peak (06.00-07.00) 100-200 201-400 401-700 701-900 901-1100 1101-1300 1301-1500 1501-1700 1701-2000 2001-2300 2301-3000 3001-3500 3501-4000
Off Peak (07.00-08.00) 100-200 201-400 401-700 701-900 901-1100 1101-1300 1301-1500 1501-1700 1701-2000 2001-2300 2301-3000 3001-3500 3501-4000
Peak Time (08.00-22.00) 100-200 201-400 401-700 701-900 901-1100 1101-1300 1301-1500 1501-1700 1701-2000 2001-2300 2301-3000 3001-3500 3501-4000
Off Peak (22.00-00.00) 100-200 201-400 401-700 701-900 901-1100 1101-1300 1301-1500 1501-1700 1701-2000 2001-2300 2301-3000 3001-3500 3501-4000
Off Peak (00.00-06.00) 100-200 201-400 401-700 701-900 901-1100 1101-1300 1301-1500 1501-1700 1701-2000 2001-2300 2301-3000 3001-3500 3501-4000
4.Berapa tarif menelepon Ponsel ke Ponsel dalam zona SLJJ2 yang sesuai, menurut kebutuhan anda(rupiah per menit) Off Peak (06.00-07.00) 100-200 201-400 401-700 701-900 901-1100 1101-1300 1301-1500 1501-1700 1701-2000 2001-2300 2301-3000 3001-3500 3501-4000
Off Peak (07.00-08.00) 100-200 201-400 401-700 701-900 901-1100 1101-1300 1301-1500 1501-1700 1701-2000 2001-2300 2301-3000 3001-3500 3501-4000
Peak Time (08.00-22.00) 100-200 201-400 401-700 701-900 901-1100 1101-1300 1301-1500 1501-1700 1701-2000 2001-2300 2301-3000 3001-3500 3501-4000
Off Peak (22.00-00.00) 100-200 201-400 401-700 701-900 901-1100 1101-1300 1301-1500 1501-1700 1701-2000 2001-2300 2301-3000 3001-3500 3501-4000
Off Peak (00.00-06.00) 100-200 201-400 401-700 701-900 901-1100 1101-1300 1301-1500 1501-1700 1701-2000 2001-2300 2301-3000 3001-3500 3501-4000
27
5.Berapa tarif menelepon Ponsel ke Ponsel dalam zona SLJJ3 yang sesuai, menurut kebutuhan anda(rupiah per menit) Off Peak (06.00-07.00) 100-200 201-400 401-700 701-900 901-1100 1101-1300 1301-1500 1501-1700 1701-2000 2001-2300 2301-3000 3001-3500 3501-4000 4001-4500
Off Peak (07.00-08.00) 100-200 201-400 401-700 701-900 901-1100 1101-1300 1301-1500 1501-1700 1701-2000 2001-2300 2301-3000 3001-3500 3501-4000 4001-4500
Peak Time (08.00-22.00) 100-200 201-400 401-700 701-900 901-1100 1101-1300 1301-1500 1501-1700 1701-2000 2001-2300 2301-3000 3001-3500 3501-4000 4001-4500
Off Peak (22.00-00.00) 100-200 201-400 401-700 701-900 901-1100 1101-1300 1301-1500 1501-1700 1701-2000 2001-2300 2301-3000 3001-3500 3501-4000 4001-4500
Off Peak (00.00-06.00) 100-200 201-400 401-700 701-900 901-1100 1101-1300 1301-1500 1501-1700 1701-2000 2001-2300 2301-3000 3001-3500 3501-4000 4001-4500
B] SMS dan MMS note : pembagian operator indosat : matrix,im3 smart,mentari, star one telkomsel: Halo,As,Simpati excelmindo: x-plor,XL,jempol mobile 8: fren pra bayar, fren pasca bayar esia: esia pra bayar, esia pasca bayar contoh : sesama kartu:im3 dengan im3,jempol dengan jempol,dll sesama operator:im3 dengan mentari,jempol dengan bebas,dll antar operator:im3 dengan simpati,mentari dengan fren,dll SLI(SMS Internasional):baik sesama kartu,sesama operator,maupun antar operator(dengan operator dari negara lain) 1.Untuk Pemilihan Tarif SMS(rupiah per message) Sesama Kartu 50 99 100 150 250 300 350
Sesama Operator 50 100 250 299 300 350
Antar Operator 250 299 300 350
SLI (SMS Internasional) 300 350 499 500 1000 Tidak Perlu SMS SLI
28
2. Untuk Pemilihan Tarif MMS(rupiah per 50KB) Tarif MMS per 50 KB 1000 1250 tidak perlu MMS
C] GPRS 1. Untuk Pemilihan Tarif GPRS(rupiah per KB) Tarif GPRS per KB 3 5 10 15 25 30 tidak perlu GPRS
D] Coverage Area(Daerah Jangkauan) 1.Area coverage(jangkauan sinyal) yang sesuai menurut anda, sesuai dengan kebutuhan anda adalah Coverage Area Nusantara Provinsi Tertentu 2.Daerah(unit terkecil area) coverage yang sesuai menurut anda, sesuai dengan kebutuhan anda Unit terkecil area Provinsi Kabupaten Kecamatan Kelurahan
29
E] 3G(Video calling, mobile TV & High Speed Data Acces) 1.Untuk saat sekarang, apakah anda membutuhkan teknologi 3G untuk kebutuhan telekomunikasi anda? 3G Service Availibility Ya Tidak note : Jika anda tidak membutuhkan 3G, biarkan pertanyaan dibawah ini kosong(Tidak perlu dijawab) 2. Berapa tarif menelepon dengan teknologi video calling yang disajikan oleh teknologi 3G, menurut kebutuhan anda(rupiah per menit) note : off peak = o8.00-22.00 peak = 22.00-08.00 note: video calling baru dapat dilakukan antar sesama operator. video calling Off Peak Off Peak Peak Peak (08.00-22.00) (08.00-22.00) (22.00-08.00) (22.00-08.00) Sesama Operator Sesama Operator Sesama Operator Sesama Operator (Lokal) (Lokal) (SLJJ) (Lokal) 700-800 1200-1500 150-300 1200-1500 800-1000 1500-2500 300-650 1500-2500 1000-1200 2500-3000 650-750 2500-3000 1200-1500 3000-3500 750-1000 3000-3500 Tidak Perlu 3500-4500 1000-1300 3500-4500 Video Calling Tidak Perlu Tidak Perlu Tidak Perlu Video Calling Video Calling Video Calling 3. Berapa tarif mobile TV yang disajikan oleh teknologi 3G, menurut kebutuhan anda(rupiah per menit-nya) Tarif mobile TV/Menit 1200 1800 tidak perlu mobile TV
