<![CDATA[PT Geo Dipa Energi (Persero) sebagai perusahaan yang bergerak di bidang energi panas bumi memerlukan sistem pelaporan yang akurat untuk mendukung kegiatan pemeliharaan dan pengawasan peralatan pembangkit listrik. Tingginya volume laporan harian teknisi serta variasi deskripsi kerusakan menyebabkan proses identifikasi tingkat kerusakan secara manual menjadi kurang efisien dan berisiko menimbulkan keterlambatan analisis. Penelitian ini bertujuan mengimplementasikan algoritma Multinomial Naive Bayes pada sistem Daily Report Instrumentation and Control (I&C) untuk melakukan klasifikasi otomatis tingkat kerusakan peralatan ke dalam tiga kategori, yaitu Ringan, Sedang, dan Berat. Data yang digunakan berjumlah 4.408 entri laporan harian periode Juni 2022 hingga Mei 2025 yang diperoleh melalui studi literatur, observasi, wawancara, dan dokumentasi. Data teks diproses melalui tahapan case folding, tokenisasi, stopword removal, dan stemming, kemudian dibobotkan menggunakan Term Frequency-Inverse Document Frequency (TF-IDF) dengan kombinasi unigram dan bigram. Mengingat distribusi kelas yang tidak seimbang, data latih diseimbangkan menggunakan metode Random Oversampling sebelum dilatih dengan algoritma Naive Bayes. Evaluasi model menggunakan metrik akurasi, precision, recall, F1-Score, dan Macro F1-Score. Hasil pengujian menunjukkan model memperoleh akurasi sebesar 96,49% dan Macro F1-Score sebesar 0,82, melampaui target minimal 70% yang ditetapkan. Meskipun demikian, precision kelas Sedang tercatat rendah yaitu 0,33 akibat pergeseran decision boundary yang ditimbulkan oleh Random Oversampling berbasis replikasi identik, sehingga sistem lebih tepat digunakan sebagai alat bantu pendukung keputusan yang tetap memerlukan validasi teknisi. Sistem Daily Report berbasis website yang dikembangkan mampu meningkatkan efektivitas pengelolaan laporan pemeliharaan serta mendukung keandalan operasional pembangkit listrik di PT Geo Dipa Energi (Persero).]]>
Copyrights © 2026
