<![CDATA[Penelitian ini bertujuan untuk meningkatkan ketepatan prediksi kerusakan alat berat pada perusahaan Grand Indo Perkasa, yang bergerak di bidang penambangan batu bara di Sumatera Selatan. Kerusakan alat berat sering menjadi masalah kritis yang dapat menghambat operasi, meningkatkan biaya, dan mengurangi produktivitas. Untuk mengatasi masalah tersebut, penelitian ini mengembangkan aplikasi berbasis web menggunakan algoritma Decision Tree C4.5, yang dirancang untuk menganalisis data historis kerusakan dan memprediksi potensi masalah secara lebih akurat. Proses penelitian meliputi pengumpulan data melalui observasi, wawancara, dan studi literatur, serta pemodelan sistem dengan alat bantu UML. Data yang digunakan terdiri dari informasi terkait lima jenis alat berat dengan total 58 seri, 9 merek, dan 16 model. Algoritma C4.5 diterapkan untuk menentukan pola dari atribut kerusakan, menghasilkan pohon keputusan yang mendasari sistem prediksi. Perhitungan gain menunjukkan atribut ke-9 sebagai node akar, menjadi dasar untuk keputusan lanjutan. Hasil penelitian menunjukkan bahwa aplikasi ini mampu meningkatkan efisiensi manajemen alat berat dengan menurunkan downtime dan mempercepat diagnosa. Implementasi berbasis web memberikan keuntungan aksesibilitas tinggi, memungkinkan teknisi dan manajer untuk memantau kondisi alat berat secara real-time dan mengambil tindakan preventif secara tepat waktu. Penelitian ini membuktikan bahwa integrasi algoritma Decision Tree dengan aplikasi berbasis web merupakan solusi efektif untuk mendukung operasional di sektor pertambangan batu bara.]]>
Copyrights © 2024
