<![CDATA[Pengadaan transformator tenaga di PT PLN (Persero) saat ini masih mengandalkan pendekatan Harga Evaluasi Akhir sehingga data kinerja penyedia yang multidimensi belum dimanfaatkan secara optimal dalam keputusan alokasi pesanan. Penelitian ini mengembangkan kerangka kerja Supplier Selection and Order Allocation (SSOA) berbasis machine learning menggunakan algoritma Decision Tree, Random Forest, dan XGBoost dengan data historis pengadaan transformator tenaga periode 2023–2025. Kinerja penyedia dimodelkan berdasarkan dimensi biaya, ketepatan waktu, kualitas, dan risiko kontraktual untuk menghasilkan klasifikasi kinerja penyedia. Hasil evaluasi menunjukkan bahwa Random Forest dipilih sebagai model terbaik dengan nilai macro-AUC sebesar 0,9882. Hasil klasifikasi menunjukkan dua penyedia berada pada Tier 1, satu penyedia pada Tier 2, dan tiga penyedia pada Tier 3, serta menghasilkan rekomendasi satu hingga tiga penyedia yang layak untuk setiap varian transformator. Pendekatan ini merekomendasikan penentuan jumlah penyedia dan alokasi order yang lebih objektif dan berbasis data dibandingkan pendekatan yang hanya berorientasi pada harga. Penelitian ini berhasil mengintegrasikan model tree-based machine learning dengan kerangka Supplier Selection and Order Allocation (SSOA) menggunakan 18 variabel dari data historis pengadaan PT PLN (Persero) periode 2023–2025]]>
Copyrights © 2026
