ANALISIS AKURASI ALGORITMA REGRESI LINEAR SEDERHANA DAN DECISION TREE REGRESSOR UNTUK PREDIKSI TONASE HAULING BATUBARA (STUDI KASUS: PT GEMILANG SINERGI BARU)

FAJRIYATI, INDAH (2026) ANALISIS AKURASI ALGORITMA REGRESI LINEAR SEDERHANA DAN DECISION TREE REGRESSOR UNTUK PREDIKSI TONASE HAULING BATUBARA (STUDI KASUS: PT GEMILANG SINERGI BARU). S1 thesis, Universitas Mercu Buana Jakarta - Menteng.

	Text (Cover) 41822110040-Indah Fajriyati-01 Cover - Indah Fajriyati.pdf Download (2MB)
	Text (Bab 1) 41822110040-Indah Fajriyati-02 Bab 1 - Indah Fajriyati.pdf Restricted to Registered users only Download (1MB)
	Text (Bab 2) 41822110040-Indah Fajriyati-03 Bab 2 - Indah Fajriyati.pdf Restricted to Registered users only Download (2MB)
	Text (Bab 3) 41822110040-Indah Fajriyati-04 Bab 3 - Indah Fajriyati.pdf Restricted to Registered users only Download (2MB)
	Text (Bab 4) 41822110040-Indah Fajriyati-05 Bab 4 - Indah Fajriyati.pdf Restricted to Registered users only Download (7MB)
	Text (Bab 5) 41822110040-Indah Fajriyati-06 Bab 5 - Indah Fajriyati.pdf Restricted to Registered users only Download (1MB)
	Text (Daftar Pustaka) 41822110040-Indah Fajriyati-08 Daftar Pustaka - Indah Fajriyati.pdf Restricted to Registered users only Download (866kB)
	Text (Lampiran) 41822110040-Indah Fajriyati-09 Lampiran - Indah Fajriyati.pdf Restricted to Registered users only Download (1MB)

Abstract

Aktivitas pengangkutan (hauling) batubara di PT Gemilang Sinergi Baru merupakan kegiatan operasional krusial yang memerlukan perencanaan matang untuk menjaga efisiensi logistik. Ketidakakuratan dalam memprediksi jumlah tonase harian dapat menyebabkan ketidakefisienan alokasi armada dan penumpukan stok. Dalam pemodelan prediktif, metode Regresi Linear Sederhana (Simple Linear Regression) umumnya digunakan sebagai baseline awal. Meskipun mampu menangkap tren jangka panjang, metode ini memiliki keterbatasan asumsi Linearitas yang mengakibatkan tingginya tingkat kesalahan (error) saat data produksi mengalami fluktuasi tajam. Penelitian ini bertujuan untuk mengatasi permasalahan tersebut dengan menerapkan algoritma Decision Tree Regressor sebagai metode alternatif penanganan data non-Linear, Penelitian dilakukan melalui pendekatan eksperimen kuantitatif untuk membandingkan kinerja kedua algoritma secara head-to-head menggunakan dataset historis operasional selama periode 11 bulan. Kinerja model dievaluasi secara komprehensif menggunakan metrik Mean Absolute Percentage Error (MAPE), Mean Absolute Error (MAE). dan Root Mean Squared Error (RMSE). Hasil yang diharapkan dari penelitian ini adalah pembuktian bahwa algoritma Decision Tree Regressor mampu memberikan akurasi prediksi yang lebih presisi pada data fluktuatif dibandingkan Regresi Lincar Sederhana, namun tetap mempertahankan karakteristik White Box yang mudah diinterpretasikan oleh manajemen guna mendukung pengambilan keputusan operasional logistik perusahaan. Kata Kunci: Data Mining. Decision Tree Regressor, Prediksi Batubara, Regresi Linear Sederhana, MAPE, MAE, RMSE

Item Type:	Thesis (S1)
NIM/NIDN Creators:	41822110040
Uncontrolled Keywords:	Data Mining. Decision Tree Regressor, Prediksi Batubara, Regresi Linear Sederhana, MAPE, MAE, RMSE
Subjects:	000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum
Divisions:	Fakultas Ilmu Komputer > Sistem Informasi
Depositing User:	CLAUDIA ASTRIANI
Date Deposited:	27 Aug 2026 02:37
Last Modified:	27 Aug 2026 02:37
URI:	http://repository.mercubuana.ac.id/id/eprint/103434

Actions (login required)

View Item