<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="10823">
 <titleInfo>
  <title>Model prediksi alokasi slot pesawat menggunakan metode artificial neural network</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Aldi Destaryana</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <name type="Personal Name" authority="">
  <namePart>Winarno</namePart>
  <role>
   <roleTerm type="text">Additional Author</roleTerm>
  </role>
 </name>
 <name type="Personal Name" authority="">
  <namePart>Nur Azizah</namePart>
  <role>
   <roleTerm type="text">Additional Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Tangerang</placeTerm>
   <publisher>Universitas Raharja</publisher>
   <dateIssued>2022</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code">id</languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Text</form>
  <extent></extent>
 </physicalDescription>
 <note>Penelitian ini membahas tentang prediksi alokasi slot pesawat menggunakan&#13;
metode artificial neural networks dengan algoritma backpropagation. Artificial&#13;
Neural networks yaitu sistem pemrosesan yang meniru konsep sistem saraf&#13;
biologis. Di era teknologi modern ini, business intelligence menjadi salah satu&#13;
aplikasi yang popular digunakan oleh perusahaan atau organisasi. Untuk dapat&#13;
mengoptimalkan operasi dari business intelligence diperlukan predictive analytics&#13;
dengan memanfaatkan data historis suatu organisasi yang digunakan untuk&#13;
membuat prediksi tentang suatu kejadian masa depan. Dari tujuan penggunaan&#13;
predictive analytics pada business Intelligence dapat mengatasi permasalahan pada&#13;
manajemen alokasi waktu penerbangan. Adapun permasalahan yang ada, sistem&#13;
manajemen alokasi waktu terbang tidak memperhatikan faktor cuaca sehingga pada&#13;
saat terjadi cuaca buruk menyebabkan terjadinya penumpukan pesawat (holding).&#13;
Metode predictive analytics yang digunakan adalah artificial neural networks&#13;
dengan algoritma backpropagation untuk mendapatkan prediksi alokasi slot&#13;
terbang pesawat. Slot time itu sendiri adalah salah satu sarana dalam melaksanakan&#13;
pengaturan arus lalu lintas udara yang strategis. Berdasarkan hasil penelitian dan&#13;
pembahasan, didapatkan hasil yang optimal dengan nilai akurasi tertinggi&#13;
dibanding variasi lain yaitu sebesar 99.8403%. Dengan menggunakan variasi&#13;
tersebut didapat prediksi 3 data prediksi alokasi selanjutnya secara berurutan yaitu&#13;
9,8,dan 6 pesawat.&#13;
Kata Kunci: Artificial Neural Networks, Alokasi Slot, Air Traffic Controller, cuaca</note>
 <note type="statement of responsibility"></note>
 <classification>004</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>Perpustakaan Universitas Raharja Jl. Jendral Sudirman No. 40 Modern Cikokol Tangerang, Banten</physicalLocation>
  <shelfLocator>004 DES m (MTI-2022)</shelfLocator>
  <holdingSimple>
   <copyInformation>
    <numerationAndChronology type="1">S1767</numerationAndChronology>
    <sublocation>Perpustakaan Raharja (Rak Skripsi)</sublocation>
    <shelfLocator>004 DES m (MTI-2022)</shelfLocator>
   </copyInformation>
  </holdingSimple>
 </location>
 <slims:digitals>
  <slims:digital_item id="804" url="https://drive.google.com/file/d/1pvAeleGVTAjO_lC1ryUUSW-lQExLknRi/view?usp=sharing" path="/https://drive.google.com/file/d/1pvAeleGVTAjO_lC1ryUUSW-lQExLknRi/view?usp=sharing" mimetype="text/uri-list">E-Thesis</slims:digital_item>
 </slims:digitals>
 <recordInfo>
  <recordIdentifier>10823</recordIdentifier>
  <recordCreationDate encoding="w3cdtf">2022-11-30 10:49:05</recordCreationDate>
  <recordChangeDate encoding="w3cdtf">2022-11-30 10:49:45</recordChangeDate>
  <recordOrigin>machine generated</recordOrigin>
 </recordInfo>
</mods>
</modsCollection>