<![CDATA[Penelitian ini bertujuan mengembangkan model prediksi keberhasilan implementasi Enterprise Resource Planning (ERP) menggunakan pendekatan Neural Network berbasis indikator kinerja multidomain. Tingginya tingkat kegagalan implementasi ERP dipengaruhi oleh kompleksitas proyek, ketidakseimbangan distribusi data, serta interaksi faktor teknis dan manajerial yang sulit dimodelkan menggunakan pendekatan konvensional. Penelitian ini memanfaatkan 4.000 data proyek ERP dengan 50 indikator kinerja yang dipetakan ke dalam delapan Performance Domains PMBOK Guide Edisi ke-7. Tahap preprocessing meliputi normalisasi data dan penerapan Synthetic Minority Over-sampling Technique (SMOTE) untuk mengatasi ketidakseimbangan kelas. Model kemudian dioptimalkan melalui delapan skenario hyperparameter dan dievaluasi menggunakan sepuluh skenario pengujian untuk mengukur kemampuan generalisasi pada berbagai kondisi implementasi ERP. Hasil penelitian menunjukkan bahwa Neural Network memberikan performa terbaik dibandingkan algoritma pembanding dan menghasilkan konfigurasi model yang mampu mempertahankan keseimbangan antara akurasi, kemampuan deteksi proyek berisiko tinggi, dan kompleksitas model. Pengujian lanjutan menunjukkan bahwa model memiliki performa yang stabil pada berbagai karakteristik proyek, meskipun sensitivitas terhadap kompleksitas proyek, metodologi pengembangan, dan karakteristik industri masih memengaruhi tingkat akurasi. Temuan ini menunjukkan bahwa integrasi indikator multidomain, optimasi hyperparameter, dan evaluasi berbasis berbagai skenario mampu menghasilkan model prediksi yang robust dan berpotensi diterapkan sebagai mekanisme early warning system untuk mendukung pengambilan keputusan pada implementasi ERP]]>
Copyrights © 2026
