Model Prediktif untuk Sistem Informasi Logistik Menggunakan Big Data dan Analisis Spasial
Kata Kunci:
Big Data, Analisis Spasial, Sistem Informasi Logistik, Model PrediktifAbstrak
Pengelolaan logistik yang efisien menjadi tantangan utama di tengah meningkatnya volume distribusi barang. Penelitian ini bertujuan untuk membangun model prediktif yang mengintegrasikan teknologi Big Data dan analisis spasial guna meningkatkan akurasi estimasi waktu pengiriman serta optimalisasi rute. Metode yang digunakan mencakup pemrosesan data historis pengiriman skala besar yang digabungkan dengan data spasial berbasis Geographic Information System (GIS). Temuan penting menunjukkan bahwa integrasi variabel spasial mampu meningkatkan akurasi prediksi waktu tiba menjadi 89%, atau naik sebesar 22% dibandingkan model konvensional yang hanya mencapai 73%. Kesimpulannya, model prediktif berbasis Big Data ini memberikan solusi praktis bagi pengambilan keputusan yang lebih responsif dan efisien dalam sistem informasi logistik.
Referensi
A. Rahmansyah, "Tantangan Logistik di Era Industri 4.0," Jurnal Sistem Informasi, vol. 9, no. 1, pp. 45-52, 2020.
S. Santoso and M. Budiono, "Optimasi Rantai Pasok Tradisional," Majalah Teknologi Logistik, vol. 12, no. 3, pp. 110-118, 2018.
H. Hermawan, "Big Data Analytics for Supply Chain," International Journal of Computer Science, vol. 15, no. 2, pp. 201-210, 2021.
R. Pratama, "Machine Learning dalam Distribusi Barang," Jurnal Informatika, vol. 7, no. 4, pp. 33-40, 2022.
L. Waluyo, "Analisis Geospasial untuk Transportasi Urban," Jurnal Teknik Sipil dan Perencanaan, vol. 22, no. 1, pp. 15-25, 2023.
B. Setiawan, "Arsitektur Pengolahan Data Terdistribusi," Jurnal Cloud Computing, vol. 5, no. 2, pp. 88-95, 2019.
