Analisis potensi pasar Pertashop berbasis WebGIS menggunakan metode Convolutional Neural Network (CNN)

ABSTRAK

Pertashop merupakan outlet penjualan Pertamina yang diperuntukkan untuk melayani kebutuhan masyarakat akan Bahan Bakar Minyak non dan produk Pertamina lainnya yang mengutamakan beroperasi di wilayah terpencil. Keberadaan persebaran Pertashop diseluruh wilayah Indonesia sangat membantu dalam persebaran Bahan Bakar Minyak hingga sampai pelosok wilayah Indonesia. Akan tetapi, sampai saat ini persebaran keberadaan Pertashop di wilayah Malang masih belum merata. Penelitian ini bertujuan untuk menganalisis potensi persebaran Pertashop di wilayah Malang dengan menggunakan 7 atribut yaitu Jumlah Penduduk, Jumlah Kepadatan Penduduk, Jumlah Pengangguran, Jarak Pertashop, Jumlah Pengguna Motor, Perkapita, dan Jumlah Pencari Kerja pada Tahun Januari 2020 hingga Desember 2021 yang kemudian akan diimplementasikan menggunakan metode Convolutional Neural Network. Penelitian ini bertujuan untuk mengukur nilai performa menggunakan Convolutional Neural Network untuk melakukan prediksi potensi pendirian Pertashop pada beberapa kecamatan yang tersebar di Wilayah Malang. Data yang digunakan pada penelitian ini sebanyak 38 Kecamatan dan data pertashop yang telah didirikan di Kabupaten dan Kota malang sebanyak 24 Pertashop dari tahun 2020 hingga 2021. Uji coba dilakukan menggunakan 4 model dengan epochs dan hidden neuron yang berbeda. Hasil pengujian di dapatkan model terbaik pada model ke 4 dengan nilai accuracy 99.9769%, MSE 0.005336, dan MAPE 0.023022 untuk prediksi potensi Pertashop. Nilai performa yang dihasilkan dapat dipengaruhi dari jumlah learning rate serta kualitas dataset yang digunakan.

ABSTRACT

Pertashop is Pertamina's sales outlet intended to serve the community's needs for non-Fuel Oil and other Pertamina products that prioritize operating in remote areas. The existence of pertashop distribution throughout Indonesia is very helpful in the distribution of fuel oil to remote parts of Indonesia. However, until now the distribution of the existence of Pertashop in the Malang area is still uneven. This study aims to analyze the potential distribution of Pertashop in the Malang area by using 7 attributes, namely Population Efficiency, Number of Population Density, Number of Unemployed, Pertashop Distance, Number of Motorbike Users, Perkapita, the Number of Job Seekers in January 2020 to December 2021 which will then be implemented using the Convolutional Neural Network method. This study aims to measure performance value using the Convolutional Neural Network to predict the potential establishment of Pertashop in several districts spread across Malang. The data used in this study was 24 sub-districts from 2020 to 2021. The trial was conducted using 4 models with different epochs and hidden neurons. The test results were obtained by the best model on the 4th model with an accuracy value of 99.9769% %, MSE 0.005336, and MAPE 0.023022 for prediction of Pertashop potential. The resulting performance value can be influenced by the amount of learning rate and the quality of the dataset used.

مستخلص البحث

بيرتاشوب هو منفذ مبيعات بيرتامينا الذي يهدف إلى تلبية احتياجات المجتمع من غير زيت الوقود ومنتجات بيرتامينا الأخرى التي تعطي الأولوية للعمل في المناطق النائية. إن وجود توزيع بيرتاشوب في جميع أنحاء إندونيسيا مفيد جدا في توزيع زيت الوقود على الأجزاء النائية من إندونيسيا. ومع ذلك ، حتى الآن لا يزال توزيع وجود بيرتاشوب في منطقة مالانغ غير متساو. تهدف هذه الدراسة إلى تحليل التوزيع المحتمل للبيرتاشوب في منطقة مالانج باستخدام 7 سمات، وهي الكفاءة السكانية، وعدد الكثافة السكانية، وعدد العاطلين عن العمل، ومسافة بيرتاشوب، وعدد مستخدمي الدراجات النارية، والبيركابيتا، وعدد الباحثين عن عمل والتي سيتم تنفيذها بعد ذلك باستخدام طريقة الشبكة العصبية التعبدية. تهدف هذه الدراسة إلى قياس قيمة الأداء باستخدام الشبكة العصبية التقوية للتنبؤ بإمكانية إنشاء بيرتاشوب في العديد من المناطق المنتشرة في جميع أنحاء مالانغ. كانت البيانات المستخدمة في هذه الدراسة 24 منطقة فرعية. أجريت التجربة باستخدام 4 نماذج ذات عصور مختلفة وخلايا عصبية مخفية. تم الحصول على نتائج الاختبار من قبل أفضل نموذج على النموذج الرابع بقيمة دقة 99.9769٪ و MSE٠,٠٠٥٣٣٦ و MAPE٠,٠٢٣٠٢٢ للتنبؤ بإمكانات بيرتاشوب. يمكن أن تتأثر قيمة الأداء الناتجة بمقدار معدل التعلم وجودة مجموعة البيانات المستخدمة.