Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Malcom: Indonesian Journal of Machine Learning and Computer Science
Disriansyah, Muhammad Iqbal
Unknown Affiliation
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Perbandingan Model Klasifikasi Supervised Machine Learning dalam Knowledge Discovery Layanan TI Pertamina Prabumulih: Comparison of Supervised Machine Learning Classification Models in Knowledge Discovery of Pertamina Prabumulih IT Services Arian, Shafa Aurelliza; Alifia, Putri Rahel; Prihantoro, Bagus; Disriansyah, Muhammad Iqbal; Tania, Ken Ditha; Meiriza, Alsella; Rifai, Ahmad
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 2 (2026): MALCOM April 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i2.2617

Abstract

Pengelolaan data layanan Teknologi Informasi (TI) di Pertamina Prabumulih memerlukan pendekatan analitik untuk meningkatkan efektivitas penanganan dan mendukung pengambilan keputusan berbasis data. Penelitian ini bertujuan membandingkan performa beberapa model klasifikasi supervised machine learning pada layanan TI periode 2020–2025 menggunakan pendekatan knowledge discovery melalui teknik data mining terhadap 8.627 data awal. Tahapan penelitian meliputi preprocessing, pelabelan kelas, penanganan ketidakseimbangan data dengan Synthetic Minority Over-sampling Technique (SMOTE), serta pembagian data dengan skenario 70:30, 80:20, dan 90:10. Proses klasifikasi dilakukan menggunakan algoritma Naïve Bayes, Support Vector Machine (SVM), dan Random Forest. Evaluasi model menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil menunjukkan bahwa skenario 90:10 memberikan performa terbaik, dengan Support Vector Machine (SVM) mencapai accuracy 0,8806, precision 0,8757, recall 0,8941, dan F1-score 0,8788, melampaui algoritma lainnya. Kategori desktop hardware teridentifikasi sebagai kasus terbanyak selama periode penelitian. Temuan ini dapat dimanfaatkan sebagai dasar strategis untuk prioritas penanganan layanan, alokasi sumber daya, serta penguatan Knowledge Management guna peningkatan layanan TI secara terarah, efektif, dan berkelanjutan.
Co-Authors Ahmad Rifai Alifia, Putri Rahel Arian, Shafa Aurelliza Ken Ditha Tania Meiriza, Alsella Prihantoro, Bagus