PERBANDINGAN HASIL PREDIKSI JUMLAH TICKET REPAIR PT. BEKO APPLIANCES INDONESIA MENGGUNAKAN METODE SUPPORT VECTOR REGRESSION (SVR) DAN MULTIPLICATIVE DECOMPOSITION

FIRDA DELLA IRAWAN, . (2025) PERBANDINGAN HASIL PREDIKSI JUMLAH TICKET REPAIR PT. BEKO APPLIANCES INDONESIA MENGGUNAKAN METODE SUPPORT VECTOR REGRESSION (SVR) DAN MULTIPLICATIVE DECOMPOSITION. Sarjana thesis, UNIVERSITAS NEGERI JAKARTA.

	Text COVER.pdf Download (1MB)
	Text BAB 1 Pendahuluan.pdf Download (723kB)
	Text BAB 2 Landasan Teori.pdf Restricted to Registered users only Download (948kB) | Request a copy
	Text BAB 3 Metodologi Penelitian.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text BAB 4 Hasil dan Pembahasan.pdf Restricted to Registered users only Download (2MB) | Request a copy
	Text BAB 5 Kesimpulan Saran.pdf Restricted to Registered users only Download (496kB) | Request a copy
	Text Daftar Pustaka.pdf Download (365kB)
	Text Lampiran.pdf Restricted to Registered users only Download (1MB) | Request a copy

Abstract

Pertumbuhan jumlah tiket repair pada PT. Beko Appliances Indonesia menunjukkan trend peningkatan setiap tahunnya yang berpotensi melebihi kapasitas MSC (Mitra Service Center) dan menyebabkan penumpukan tiket. Kondisi ini tidak hanya memperlambat proses perbaikan, tetapi juga menurunkan kepuasan pelanggan terhadap layanan after-sales Beko. Mengingat Beko belum memiliki sistem prediksi jumlah tiket repair yang memadai untuk menangani lonjakan di masa depan. penelitian ini bertujuan untuk memprediksi jumlah tiket tersebut menggunakan metode Support Vector Regression (SVR) dan Multiplicative Decomposition (MD), sekaligus membandingkan akurasi keduanya. Penelitian ini berfokus pada tiket repair di wilayah Jabodetabek, dengan menggunakan data histori job perbaikan dari Januari 2019 hingga Juli 2024. Evaluasi performa model dilakukan dengan Mean Absolute Percentage Error (MAPE) dan Mean Square Error (MSE). Hasilnya menunjukkan bahwa model SVR memiliki akurasi yang lebih baik dengan nilai MAPE 37% dan MSE 102, jauh lebih rendah dibandingkan MD yang mencapai MAPE 60% dan MSE 177. Prediksi ini diharapkan dapat menjadi panduan bagi PT. Beko dalam mengoptimalkan layanan purna jual dan efisiensi alokasi teknisi, termasuk kemampuan untuk mengidentifikasi periode puncak lonjakan tiket repair sehingga dapat menyiagakan lebih banyak teknisi secara proaktif.*****The increasing volume of repair tickets at PT. Beko Appliances Indonesia has shown a consistent upward trend each year, potentially exceeding the capacity of the Mitra Service Center (MSC) and leading to ticket backlog. This condition not only slows down the repair process but also negatively impacts customer satisfaction with Beko’s after-sales service. As Beko currently lacks a robust prediction system to anticipate future ticket surges, this research aims to forecast repair ticket volumes using Support Vector Regression (SVR) and Multiplicative Decomposition (MD), while also comparing the accuracy of both methods. The study focuses on repair tickets in the Greater Jakarta area (Jabodetabek), utilizing historical job data from January 2019 to July 2024. Model performance is evaluated using Mean Absolute Percentage Error (MAPE) and Mean Square Error (MSE). The results indicate that the SVR model yields higher accuracy, with a MAPE of 37% and MSE of 102, significantly lower than MD, which recorded a MAPE of 60% and MSE of 177. These predictions are expected to serve as a guideline for PT. Beko in optimizing after-sales services and technician allocation efficiency, including the ability to proactively identify peak periods of ticket surges and deploy additional technicians accordingly.

Item Type:	Thesis (Sarjana)
Additional Information:	1). Murien Nugraheni, S. T., M. Cs ; 2). Irma Permatasari, M. Eng
Subjects:	Teknologi dan Ilmu Terapan > Teknologi (umum) Teknologi dan Ilmu Terapan > Teknologi (umum) > Teknologi Pendidikan
Divisions:	FT > S1 Sistem dan Teknologi Informasi
Depositing User:	Firda Della Irawan .
Date Deposited:	11 Aug 2025 01:36
Last Modified:	11 Aug 2025 01:36
URI:	http://repository.unj.ac.id/id/eprint/59354

Actions (login required)

View Item