Rancang bangun aplikasi untuk memprediksi alokasi jumlah tenaga kerja bongkar muat di PT X menggunakan regresi poisson

Wahyudi, Yulian Farid (2022) Rancang bangun aplikasi untuk memprediksi alokasi jumlah tenaga kerja bongkar muat di PT X menggunakan regresi poisson. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 10611810000084-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (1MB)

Abstract

Alokasi Tenaga Kerja Bongkar Muat (TKBM) di Container Freight Station (CFS) PT X sejak bulan Agustus 2021 dilakukan dengan menggunakan sistem yang tidak memperhatikan kondisi peti kemas di lapangan, sehingga hasil alokasi tidak sesuai. Akibatnya, superintenden yang merupakan pemimpin dan penanggung jawab seluruh kegiatan di CFS harus melakukan pengalokasian kembali secara manual. Hal tersebut menyebabkan waktu yang dibutuhkan menjadi lebih lama sehingga membuat antrean peti kemas menjadi lebih panjang. Kondisi tersebut dapat memicu keluhan dan ketidakpuasan pengguna jasa. Oleh karena itu, sangat penting dilakukan penelitian untuk memprediksi alokasi TKBM yang sesuai dengan kondisi di lapangan. Penelitian ini bertujuan untuk memprediksi jumlah TKBM menggunakan Regresi Poisson berbasis Android serta mengetahui faktor-faktor yang memengaruhinya. Diperoleh hasil bahwa model Regresi Poisson terbaik untuk memprediksi jumlah TKBM adalah μ ˆ=e^(1.460+1.212X_3-0.932X_5-0.593X_6 ("Pagi" )-1.117X_6 ("Siang" )-0.673X_8 )dengan faktor-faktor yang memengaruhi yaitu jenis peti kemas, jenis pemeriksaan, waktu mulai stripping, dan penggunaan pallet. Pembuatan aplikasi alokasi TKBM berbasis Android menghasilkan prediksi yang sesuai dengan pemodelan Regresi Poisson.
==============================================================================================================================
The allocation of stevedores at X Company's Container Freight Station (CFS) since August 2021 has been carried out using a system that does not take into account the condition of containers in the field. This has caused the allocation results to be inappropriate, requiring the superintendent, who is the leader and person in charge of all activities at the CFS, to manually reallocate stevedores. As a result, the time required becomes longer, causing container queues to increase. This can trigger negative complaints and customer dissatisfaction. Therefore, it is very important to predict the allocation of stevedores appropriately according to field conditions. This study aims to predict the number of stevedores using Android-based Poisson Regression and determine the factors that influence it. The results showed that the best Poisson Regression model for predicting the number of working stevedores was (μ ̂=exp⁡(1.460+1.212X_3-0.932X_5-0.593X_6 ("Morning" )-1.117X_6 ("Noon" )-0.673X_8 ) ) , where the influencing factors were the type of container, the type of inspection, the start time of stripping, and the use of pallets, as well as the development of an Android-based stevedore allocation application that produced appropriate prediction results based on the Poisson Regression modeling.

Item Type:	Thesis (Other)
Additional Information:	519.536 Wah r-1
Uncontrolled Keywords:	Android, CFS, Regresi Poisson, TKBM, Android, CFS, Poisson Regression, Stevedore
Subjects:	Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression
Divisions:	Faculty of Vocational > 49501-Business Statistics
Depositing User:	magang .
Date Deposited:	06 Oct 2026 04:35
Last Modified:	06 Oct 2026 04:35
URI:	http://repository.its.ac.id/id/eprint/145319

Actions (login required)

View Item