Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Journal of Artificial Intelligence and Digital Business
Pramudya Reynaldi Salim
Universitas Pamulang
Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering

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

Found 1 Documents
Search

 1 
Implementasi Metode Naive Bayes untuk Klasifikasi Tingkat Kerusakan Komponen Produksi Karoseri pada PT. Sukses Tunggal Mandiri Surtikanti Surtikanti; Pramudya Reynaldi Salim
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.11493

Abstract

Sukses Tunggal Mandiri merupakan perusahaan manufaktur karoseri yang menghadapi kendala dalam proses identifikasi tingkat kerusakan komponen produksi karena pemeriksaan masih dilakukan secara manual. Kondisi tersebut membutuhkan waktu yang lebih lama dan dapat menimbulkan perbedaan penilaian antarpetugas. Penelitian ini bertujuan membangun sistem klasifikasi tingkat kerusakan komponen produksi karoseri dengan menerapkan metode Gaussian Naive Bayes. Data yang digunakan berjumlah 200 data kerusakan, terdiri atas 70 data kerusakan ringan, 70 data kerusakan sedang, dan 60 data kerusakan berat. Proses klasifikasi menggunakan tujuh fitur numerik, yaitu luas area kerusakan, kedalaman kerusakan, jumlah titik kerusakan, usia komponen, frekuensi penggunaan, tingkat korosi, dan nilai deformasi. Sistem menghitung nilai probabilitas awal, rata-rata, varians, peluang kemunculan setiap fitur, serta probabilitas akhir untuk menentukan kelas dengan nilai terbesar. Sistem dikembangkan berbasis web menggunakan React.js pada bagian antarmuka, FastAPI dan Python pada bagian pengolahan, serta PostgreSQL sebagai basis data. Pengujian dilakukan menggunakan metode black box testing dan white box testing. Hasil penelitian menunjukkan bahwa sistem mampu mengelompokkan kerusakan komponen ke dalam kategori ringan, sedang, dan berat, menampilkan nilai keyakinan hasil klasifikasi, menyimpan riwayat prediksi, serta menjalankan fungsi utama sesuai dengan rancangan. Penerapan sistem ini membantu bagian produksi dan pengendalian kualitas dalam melakukan identifikasi kerusakan secara lebih cepat, terstruktur, dan efisien serta mendukung proses transformasi digital perusahaan.
Co-Authors Surtikanti Surtikanti