PENERAPAN MODEL LONG SHORT-TERM MEMORY (LSTM) UNTUK PREDIKSI WAKTU PROSES BAGGING BERDASARKAN FAKTOR OPERASIONAL PADA PT POS INDONESIA

Abstract

Meningkatnya volume pengiriman akibat perkembangan e-commerce menjadikan proses bagging sebagai tahap penting dalam menjaga efisiensi operasional pada PT Pos Indonesia, perusahaan BUMN yang bergerak di bidang layanan pos dan logistik di Indonesia. Penelitian ini bertujuan untuk memprediksi durasi proses bagging berdasarkan faktor-faktor operasional menggunakan metode Long Short-Term Memory (LSTM). Data yang digunakan berupa data operasional harian yang meliputi volume kiriman, berat kiriman, jumlah staf, dan durasi proses bagging. Metodologi penelitian meliputi preprocessing data menggunakan Min-Max Scaling, uji stasioneritas menggunakan Augmented Dickey-Fuller (ADF), pembagian data menjadi training dan testing, pelatihan model LSTM, serta evaluasi performa menggunakan Mean Absolute Error (MAE), Root Mean Square Error (RMSE), Mean Absolute Percentage Error (MAPE), dan koefisien determinasi (). Hasil uji ADF menunjukkan bahwa data waktu bagging bersifat stasioner dengan nilai p-value sebesar 0,023. Model LSTM yang dikembangkan menghasilkan nilai MAE sebesar 32,51 detik, RMSE sebesar 41,78 detik, MAPE sebesar 6,15%, dan nilai sebesar 0,89 yang menunjukkan performa prediksi yang baik. Hasil penelitian menunjukkan bahwa volume kiriman, berat kiriman, dan jumlah staf berpengaruh terhadap durasi proses bagging. Lonjakan volume kiriman sebesar 800–900 kiriman per hari terjadi hampir setiap hari sehingga meningkatkan durasi proses bagging. Pada kondisi dua staf, durasi bagging diperkirakan mencapai 773–774 menit per hari dan melebihi batas operasional perusahaan. Oleh karena itu, penambahan jumlah staf menjadi tiga orang direkomendasikan karena mampu menurunkan durasi proses bagging hingga sekitar 30–40% sehingga waktu operasional menjadi lebih efisien dan tetap berada dalam batas target kerja perusahaan. Temuan ini menunjukkan bahwa metode Long Short-Term Memory (LSTM) efektif digunakan untuk memodelkan dan memprediksi durasi proses bagging berdasarkan faktor operasional serta dapat dimanfaatkan sebagai dasar pengambilan keputusan operasional pada PT Pos Indonesia.