<![CDATA[Efisiensi operasional pelabuhan sangat bergantung pada akurasi prediksi waktu sandar kapal, terutama di Pelabuhan Tanjung Pandan yang memiliki karakteristik tramp trade dengan variasi kapal yang tinggi. Penelitian ini bertujuan membandingkan kinerja metode Long Short-Term Memory (LSTM) dan Random Forest dalam memprediksi durasi sandar kapal sebagai dasar optimasi alokasi dermaga. Menggunakan data operasional periode 2023–2024 (125 observasi), variabel input mencakup Gross Tonnage (GT), Length Overall (LOA), serta tanggal tiba dan berangkat; sedangkan output adalah durasi sandar dalam jam. Data diproses melalui pembersihan, rekayasa fitur, dan normalisasi, lalu dibagi menjadi 80% latih dan 20% uji. Evaluasi dilakukan menggunakan RMSE, MAE, dan R². Hasil menunjukkan bahwa Random Forest mengungguli LSTM dengan RMSE 5,34 jam (vs. 7,82), MAE 4,07 jam (vs. 5,91), dan R² 0,917 (vs. 0,812), mengindikasikan kemampuannya menangkap interaksi non-linear antarfitur statis seperti GT dan LOA lebih efektif dalam konteks operasional pelabuhan ini. Temuan ini merekomendasikan penerapan Random Forest sebagai model prediktif dalam sistem pendukung keputusan alokasi dermaga untuk meningkatkan efisiensi dan mengurangi waiting time kapal]]>
Copyrights © 2025
