<![CDATA[Industri semen merupakan salah satu sektor industri berenergi tinggi yang membutuhkan pengelolaan operasi efisien untuk menjaga efisiensi energi dan stabilitas proses pembakaran pada kiln. Salah satu peralatan vital dalam sistem kiln adalah Induced Draft (ID) Fan yang berfungsi mengatur tekanan negatif dan aliran gas buang selama proses pembakaran. Penentuan setpoint kecepatan putar (RPM) ID Fan yang masih dilakukan secara manual berdasarkan pengalaman operator sering kali sulit menyesuaikan fluktuasi kondisi operasional dan karakteristik bahan baku. Penelitian ini bertujuan untuk mengoptimalkan penentuan setpoint RPM ID Fan menggunakan algoritma XGBoost Regressor berbasis 20 parameter operasional kiln. Dataset historis sebanyak 2.143 observasi diproses melalui alur prapemrosesan data, seleksi variabel, serta pembagian data training dan testing dengan rasio 80:20. Kinerja model dievaluasi menggunakan Mean Absolute Error (MAE), Root Mean Square Error (RMSE), dan Koefisien Determinasi (). Hasil penelitian menunjukkan bahwa model XGBoost Regressor dengan konfigurasi estimators 100 dan learning rate 0,1 menghasilkan performa terbaik dengan nilai sebesar 96,86%, MAE sebesar 0,7068 RPM, dan RMSE sebesar 0,9546 RPM, mengungguli Regresi Linear Dasar ( = 96,34%) serta menawarkan stabilitas regularisasi yang lebih baik dibanding Random Forest Regressor ( = 97,39%). Hasil prediksi diintegrasikan ke dalam dashboard interaktif Google Looker Studio untuk memberikan visualisasi real-time yang mendukung pengambilan keputusan berbasis data (data-driven decision-making) bagi Control Room Operator (CRO) guna meningkatkan efisiensi energi listrik dan stabilitas operasi kiln. Kata kunci: industri semen, Induced Draft Fan, RPM, XGBoost Regressor, machine learning, Google Looker Studio.]]>
