SIM卡名称

Eka Mala Sari Rochman, Imamah Imamah, Aeri Rachmad
{"title":"SIM卡名称","authors":"Eka Mala Sari Rochman, Imamah Imamah, Aeri Rachmad","doi":"10.24269/MTKIND.V12I1.640","DOIUrl":null,"url":null,"abstract":"Informasi memiliki arti yang sangat penting dalam era globalisasi seperti saat ini. Kesuksesan seseorang bahkan ditentukan dari kemampuannya mengakses dan mengolah informasi. Alat untuk mengakses informasipun dibuat sesimple dan sepraktis mungkin . Para penyedia layanan provider bersaing untuk memberikan layanan terbaik dalam bidang pengaksesan informasi. Hal terpenting bagi perusahaan provider adalah mengetahui prediksi kerusakan kartu sim per tahun guna mempersiapkan kartu pengganti bagi setiap laporan yang akan diajukan pelanggan. Kepuasan pelanggan merupakan tolak ukur penting dari quality of service sebuah perusahaan. Pada penelitian ini mendesain model peramalan menggunakan metode Extreme Learning Machnie (ELM). Sebelum data diolah menggunakan metode ELM, data dinormalisasi kemudian diinputkan pada setiap neuron input. Arsitektur yang digunakan menggunakan 1 lapisan input dengan 5 neron, 1 lapisan hidden layer dengan jumlah neuron sebanyak 5 dan 1 lapisan output. M etode ELM bobot parameter input dipilih secara random, hingga menghasilkan good generalization performance karena tiap parameter bobot input dan hidden bias saling berhubungan dengan layer lainnya .","PeriodicalId":31718,"journal":{"name":"Multitek Indonesia","volume":" ","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2018-09-05","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"DESAIN MODEL PERAMALAN JUMLAH KERUSAKAN SIM CARD\",\"authors\":\"Eka Mala Sari Rochman, Imamah Imamah, Aeri Rachmad\",\"doi\":\"10.24269/MTKIND.V12I1.640\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Informasi memiliki arti yang sangat penting dalam era globalisasi seperti saat ini. Kesuksesan seseorang bahkan ditentukan dari kemampuannya mengakses dan mengolah informasi. Alat untuk mengakses informasipun dibuat sesimple dan sepraktis mungkin . Para penyedia layanan provider bersaing untuk memberikan layanan terbaik dalam bidang pengaksesan informasi. Hal terpenting bagi perusahaan provider adalah mengetahui prediksi kerusakan kartu sim per tahun guna mempersiapkan kartu pengganti bagi setiap laporan yang akan diajukan pelanggan. Kepuasan pelanggan merupakan tolak ukur penting dari quality of service sebuah perusahaan. Pada penelitian ini mendesain model peramalan menggunakan metode Extreme Learning Machnie (ELM). Sebelum data diolah menggunakan metode ELM, data dinormalisasi kemudian diinputkan pada setiap neuron input. Arsitektur yang digunakan menggunakan 1 lapisan input dengan 5 neron, 1 lapisan hidden layer dengan jumlah neuron sebanyak 5 dan 1 lapisan output. M etode ELM bobot parameter input dipilih secara random, hingga menghasilkan good generalization performance karena tiap parameter bobot input dan hidden bias saling berhubungan dengan layer lainnya .\",\"PeriodicalId\":31718,\"journal\":{\"name\":\"Multitek Indonesia\",\"volume\":\" \",\"pages\":\"\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2018-09-05\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Multitek Indonesia\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.24269/MTKIND.V12I1.640\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Multitek Indonesia","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.24269/MTKIND.V12I1.640","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

摘要

在当今全球化时代,信息具有非常重要的意义。一个人的成功甚至取决于他们访问和处理信息的能力。获取信息的工具变得简单实用。服务提供商竞相提供信息访问领域的最佳服务。对于提供商公司来说,最重要的是通过为每个要提交的客户报告准备一张替换卡来了解每年sim卡损坏的预测。客户满意度不如公司的服务质量重要。在本研究中,使用极限学习Machnie(ELM)方法设计了一个库存模型。在使用ELM方法处理数据之前,将归一化数据插入每个输入神经元。所使用的架构使用1个具有5个神经元的输入层、1个具有数量为5的神经元的隐藏层和1个输出层。M方法ELM对输入参数进行随机抽取,由于每个参数都抽取输入,隐藏偏差相互关联,因此具有良好的泛化性能。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
DESAIN MODEL PERAMALAN JUMLAH KERUSAKAN SIM CARD
Informasi memiliki arti yang sangat penting dalam era globalisasi seperti saat ini. Kesuksesan seseorang bahkan ditentukan dari kemampuannya mengakses dan mengolah informasi. Alat untuk mengakses informasipun dibuat sesimple dan sepraktis mungkin . Para penyedia layanan provider bersaing untuk memberikan layanan terbaik dalam bidang pengaksesan informasi. Hal terpenting bagi perusahaan provider adalah mengetahui prediksi kerusakan kartu sim per tahun guna mempersiapkan kartu pengganti bagi setiap laporan yang akan diajukan pelanggan. Kepuasan pelanggan merupakan tolak ukur penting dari quality of service sebuah perusahaan. Pada penelitian ini mendesain model peramalan menggunakan metode Extreme Learning Machnie (ELM). Sebelum data diolah menggunakan metode ELM, data dinormalisasi kemudian diinputkan pada setiap neuron input. Arsitektur yang digunakan menggunakan 1 lapisan input dengan 5 neron, 1 lapisan hidden layer dengan jumlah neuron sebanyak 5 dan 1 lapisan output. M etode ELM bobot parameter input dipilih secara random, hingga menghasilkan good generalization performance karena tiap parameter bobot input dan hidden bias saling berhubungan dengan layer lainnya .
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
5
审稿时长
8 weeks
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信