ANALISIS PENGARUH CURAH HUJAN, KELEMBAPAN, DAN WAKTU HENTI OPERASIONAL TERHADAP PREDIKSI TONASE COAL HAULING MENGGUNAKAN ALGORITMA RANDOM FOREST REGRESSOR (Studi Kasus: PT Gemilang Sinergi Baru)

Imanuel, Imanuel (2026) ANALISIS PENGARUH CURAH HUJAN, KELEMBAPAN, DAN WAKTU HENTI OPERASIONAL TERHADAP PREDIKSI TONASE COAL HAULING MENGGUNAKAN ALGORITMA RANDOM FOREST REGRESSOR (Studi Kasus: PT Gemilang Sinergi Baru). S1 thesis, Universitas Mercu Buana Jakarta - Menteng.

	Text (COVER) 41822110022-Imanuel-01 Cover - Imanuel.pdf Download (4MB)
	Text (BAB 1) 41822110022-Imanuel-02 Bab 1 - Imanuel.pdf Restricted to Registered users only Download (1MB)
	Text (BAB 2) 41822110022-Imanuel-03 Bab 2 - Imanuel.pdf Restricted to Registered users only Download (4MB)
	Text (BAB 3) 41822110022-Imanuel-04 Bab 3 - Imanuel.pdf Restricted to Registered users only Download (1MB)
	Text (BAB 4) 41822110022-Imanuel-05 Bab 4 - Imanuel.pdf Restricted to Registered users only Download (8MB)
	Text (BAB 5) 41822110022-Imanuel-06 Bab 5 - Imanuel.pdf Restricted to Registered users only Download (756kB)
	Text (DAFTAR PUSTAKA) 41822110022-Imanuel-08 Daftar Pustaka - Imanuel.pdf Restricted to Registered users only Download (758kB)
	Text (LAMPIRAN) 41822110022-Imanuel-09 Lampiran - Imanuel.pdf Restricted to Registered users only Download (2MB)

Abstract

Produktivitas pengangkutan batubara (coal hauling) di PT Gemilang Sinergi Baru seringkali mengalami fluktuasi signifikan akibat ketidakpastian kondisi alam dan kendala teknis operasional yang sulit diprediksi secara manual. Penelitian ini bertujuan untuk membangun model prediksi tonase coal hauling harian yang akurat serta menganalisis faktor dominan yang memengaruhinya guna mendukung pengambilan keputusan manajemen. Variabel independen yang diteliti meliputi faktor iklim, yaitu Curah Hujan (mm) dan Kelembapan Relatif (%), serta faktor operasional, yaitu Waktu Henti Operasional (jam), sedangkan variabel dependen adalah total Tonase Coal Hauling (Ton). Penelitian ini menggunakan pendekatan kuantitatif dengan teknik pengambilan sampel jenuh (total sampling), di mana seluruh data historis operasional harian selama periode Januari 2025 – Mei 2026 digunakan sebagai dataset. Metode analisis data yang diterapkan adalah algoritma Machine learning Random forest Regressor, yang dipilih karena keunggulannya dalam menangani hubungan non-linear dan interaksi kompleks antar variabel. Proses analisis mengikuti standar CRISP-DM, mulai dari pra-pemrosesan data, pembagian data latih dan uji, hingga evaluasi model menggunakan metrik Mean Absolute Percentage Error (MAPE) dan Root Mean Square Error (RMSE). Hasil yang diharapkan dari penelitian ini adalah terbentuknya model prediksi dengan tingkat kesalahan (MAPE) di bawah 20%, serta teridentifikasinya peringkat pengaruh (Feature Importance) dari variabel curah hujan, kelembapan, dan waktu henti. Kesimpulan dari penelitian ini diharapkan dapat membuktikan bahwa integrasi data cuaca dan data operasional ke dalam algoritma Random forest mampu memberikan proyeksi produksi yang presisi, sehingga perusahaan dapat menyusun strategi mitigasi yang lebih efektif, baik dalam manajemen perawatan alat maupun penanganan jalan angkut saat cuaca ekstrem. Kata Kunci : Coal hauling, Random forest Regressor, Prediksi Tonase, Curah Hujan, Waktu Henti

Item Type:	Thesis (S1)
NIM/NIDN Creators:	41822110022
Uncontrolled Keywords:	Coal hauling, Random forest Regressor, Prediksi Tonase, Curah Hujan, Waktu Henti
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 > 004 Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika
Divisions:	Fakultas Ilmu Komputer > Sistem Informasi
Depositing User:	RAIHAN GUSRI HIDAYAT
Date Deposited:	22 Aug 2026 02:03
Last Modified:	22 Aug 2026 02:03
URI:	http://repository.mercubuana.ac.id/id/eprint/103341

Actions (login required)

View Item