Implementasi Sistem Klasifikasi dan Validasi Geolokasi untuk Mitigasi Klaim Pengiriman pada PT Tiki Jalur Nugraha Ekakurir (JNE)

Cahyo Wisang Panjaitan, Jonathan (2026) Implementasi Sistem Klasifikasi dan Validasi Geolokasi untuk Mitigasi Klaim Pengiriman pada PT Tiki Jalur Nugraha Ekakurir (JNE). Pro-Step Report, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (966kB)
	PDF BAB_I.pdf Download (352kB)
	PDF BAB_II.pdf Download (383kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (2MB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (210kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (400kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (4MB)
	PDF LEMBAR_PENGESAHAN.pdf Restricted to Registered users only Download (51kB)

Abstract

PT Tiki Jalur Nugraha Ekakurir (JNE) merupakan salah satu perusahaan logistik terbesar di Indonesia yang memanfaatkan analisis data untuk mendukung efisiensi operasional dan pengambilan keputusan bisnis. Pelaksanaan kerja magang dilakukan pada Divisi Data Decision Support sebagai Business Analyst Intern dengan fokus pada pengolahan data, visualisasi data, serta pengembangan solusi berbasis data untuk mendukung proses operasional perusahaan. Salah satu permasalahan yang dihadapi adalah tingginya potensi claim pengiriman akibat kualitas dokumentasi POD yang beragam serta ketidaksesuaian lokasi pengiriman yang menyulitkan proses validasi secara manual. Untuk mengatasi permasalahan tersebut dikembangkan sistem klasifikasi kualitas foto POD menggunakan metode deep learning berbasis EfficientNetB0 serta sistem validasi geolokasi yang membandingkan koordinat tujuan pengiriman dengan koordinat aktual pengantaran menggunakan metode Haversine Distance. Proses pengembangan diawali dengan pengumpulan, pembersihan, pelabelan, dan persiapan dataset, dilanjutkan dengan pelatihan model, evaluasi performa, serta implementasi prototype berbasis Streamlit. Hasil pengembangan menunjukkan bahwa model mampu mencapai nilai F1-score sebesar 83,45%, sedangkan sistem validasi geolokasi dan prototype yang dikembangkan mampu mendukung proses analisis claim pengiriman secara lebih cepat, terstruktur, dan efisien.

Item Type:	Technical Report (Pro-Step Report)
Creators:	Cahyo Wisang Panjaitan, Jonathan (00000100309)
Contributors:	Suryasari, Suryasari (0323088301)
Keywords:	Bukti Pengiriman, Deep Learning, geolokasi, klasifikasi citra, logistik
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware > 004.2 Systems Analysis and Design, Information Architecture, Performance Evaluation
Divisions:	Faculty of Engineering & Informatics > Information System
Date Deposited:	29 Jul 2026 15:10
URI:	https://kc.umn.ac.id/id/eprint/48758

Actions (login required)

View Item