KLASIFIKASI PREDIKTIF EFISIENSI WAKTU OPERASI MENGGUNAKAN ALGORITMA RANDOM FOREST DAN DECISION TREE (Studi Kasus Pada PT XYZ)

SUWARSA, SAGARA ANDI LADZUARDI (2026) KLASIFIKASI PREDIKTIF EFISIENSI WAKTU OPERASI MENGGUNAKAN ALGORITMA RANDOM FOREST DAN DECISION TREE (Studi Kasus Pada PT XYZ). Skripsi (S1) thesis, UNIVERSITAS KOPERASI INDONESIA.

	Text Cover - Daftar Isi Sagara - Sagara_compressed-2-15.pdf Download (149kB)
	Text Bab I Sagara - Sagara_compressed.pdf Download (76kB)
	Text Bab II Sagara - Sagara_compressed.pdf Restricted to Registered users only Download (162kB)
	Text Bab III Sagara - Sagara_compressed.pdf Restricted to Registered users only Download (14kB)
	Text Bab IV Sagara - Sagara_compressed.pdf Restricted to Registered users only Download (85kB)
	Text Bab V Sagara - Sagara_compressed.pdf Download (34kB)
	Text Daftar Pustaka Sagara - Sagara_compressed.pdf Download (27kB)
	Text Minor Sagara - Sagara_compressed.pdf Download (357kB)

Abstract

SAGARA ANDI LADZUARDI SUWARSA, 2026. Klasifikasi Prediktif Efisiensi Waktu Operasi Menggunakan Algoritma Random Forest dan Decision Tree (Studi Kasus pada PT XYZ). Di bawah bimbingan Dra. Onoy Rohaeni, M.Sc. dan M. Haris Fadhillah, SE, MM. Efisiensi waktu operasi merupakan faktor penting dalam manufaktur karena perbedaan antara Actual Hours dan Standard Hours dapat mengindikasikan apakah suatu proses produksi berjalan sesuai rencana atau mengalami keterlambatan. Selisih Dariance) antara keduanya menjadi indikator utama kinerja operasional. Penelitian ini bertujuan untuk mendeskripsikan karakteristik dan distribusi data efisiensi produksi, mengevaluasi serta membandingkan performa algoritma Decision Tree dan Random Forest, dan mengidentifikasi variabel prediktor yang paling berkontribusi dalam klasifikasi Status Efisiensi. Penelitian ini menggunakan pendekatan kuantitatif dengan metode eksperimental komputasi yang mengikuti kerangka CRISP-DM. Data operasional dari modul Production Planning SAP PT XYZ dibersihkan dan diagregasi dari 266.751 baris data mentah menjadi 57.519 unit analisis berdasarkan kombinasi Order dan Work Center, Status Efisiensi diklasifikasikan sebagai Favorable apabila Actual Hours kurang dari atau sama dengan Standard Hours, dan Unfavorable apabila Actual Hours melebihi Standard Hours. Data dibagi menjadi 80% data latih dan 20% data uji secara stratified. Kedua model dioptimasi menggunakan grid search dengan 5-fold cross-validation dan dievaluasi menggunakan metrik accuracy, precision, recall, F1-Score, dan AUC-ROC. Hasil penelitian menunjukkan bahwa 62,51% data tergolong Favorable dan 37,49% tergolong Unfavorable, Decision Tree memperoleh accuracy 99,40%, precision 99,42%, recall 98,98%, FI-Score 99,20%, dan AUC-ROC 99,32%. Sementara itu, Random Forest memperoleh accuracy 98,88%, precision 98,52%, recall 98,49%, Fl-Score 98,50%, dan AUC-ROC 99,93%. Meskipun Random Forest unggul pada AUC-ROC, Decision Tree dipilih sebagai model terbaik karena keunggulannya pada empat metrik utama lainnya, khususnya recall dan Fl-Score. Analisis feature importance pada model terbaik menunjukkan bahwa Direct Labor (54,42%) dan Standard Hours (42,62%) merupakan dua faktor paling dominan dalam memprediksi Status Efisiensi.

Item Type:	Thesis (Skripsi (S1))
Uncontrolled Keywords:	Klasifikasi, Decision Tree, Random Forest, Efisiensi Waktu Operasi, SAP PP.
Subjects:	S1 - SKRIPSI
Divisions:	PROGRAM STUDI SARJANA SAINS DATA
Depositing User:	Sri Suharti
Date Deposited:	05 Nov 2026 07:58
Last Modified:	05 Nov 2026 07:58
URI:	http://repository.ikopin.ac.id/id/eprint/2892

Actions (login required)

View Item