<![CDATA[Efisiensi waktu pengiriman adalah faktor terpenting dalam menjaga kinerja operasional logistik. Sebelumnya, PT. De Besta Trans sudah memiliki model prediksi Estimated Time of Arrival (ETA) untuk memperkirakan waktu tiba pengiriman, namun sampai sekarang masih belum terdapat sistem evaluasi yang menilai tingkat ketepatan pengiriman. Penelitian ini bertujuan untuk mengembangkan model klasifikasi kinerja pengiriman berbasis hasil prediksi ETA menggunakan algoritma Machine Learning. Data yang digunakan termasuk hasil prediksi ETA, waktu sampai, durasi aktual serta variabel lain seperti rute dan sopir. Metode yang digunakan meliputi preprocessing data, pembentukan label kategori (clustering), dan pelatihan model klasifikasi menggunakan algoritma K-Nearest Neighbors, Random Forest dan Logistic Regression. Proses evaluasi dilakukan dengan menggunakan metrik accuracy, precision, recall, dan f1-score. Hasil penelitian menunjukkan bahwa model Logistic Regression menunjukkan performa terbaik dengan tingkat akurasi sebesar 99,76%. Hasil tersebut membuktikan bahwa integrasi prediksi ETA dengan klasifikasi kinerja dapat meningkatkan efektivitas sistem evaluuasi logistik secara lebih efisien. Kata Kunci: Machine Learning, Estimated Time of Arrival (ETA), Logistic Regression, Klasifikasi, Kinerja Pengiriman]]>
Copyrights © 2025
