Model Multiple Linear Regression Untuk Prediksi Durasi Penginstalan Equipment Mechanical Dengan Evaluasi MAE dan RMSE Pada PT Nusareka Prima Engineering

Artamian Katarina Manik; Hidayanti Murtina; Aryo Tunjung Kusumo

doi:10.58602/chain.v4i4.328

Artamian Katarina Manik ^{(Corresponding Author)} Universitas Bina Sarana Informatika
Hidayanti Murtina Universitas Bina Sarana Informatika
Aryo Tunjung Kusumo Universitas Bina Sarana Informatika

DOI: https://doi.org/10.58602/chain.v4i4.328

Keywords: Regresi Linier Berganda, Prediksi Durasi, equipment mechanical, MAE, RMSE

Abstract

Abstrak: Memperkirakan durasi instalasi equipment mechanical merupakan elemen krusial dalam manajemen proyek konstruksi karena berdampak langsung pada penjadwalan, alokasi sumber daya, dan efisiensi biaya. Kesalahan dalam estimasi waktu dapat memicu keterlambatan penyelesaian proyek dan lonjakan biaya operasional. Oleh sebab itu, dibutuhkan pendekatan yang lebih objektif untuk memprediksi durasi berdasarkan data historis. Penelitian ini bertujuan untuk mengimplementasikan metode Regresi Linier Berganda dalam memprediksi waktu penginstalan equipment mechanical di PT Nusareka Prima Engineering. Variabel independen yang dianalisis mencakup jumlah pekerja, tingkat kompleksitas pekerjaan, kondisi area kerja, durasi proses welding, serta keterlambatan material, dengan durasi penginstalan equipment mechanical sebagai variabel dependen. Tahapan pelaksanaan penelitian ini meliputi identifikasi masalah, tinjauan pustaka, pengumpulan data historis, data preprocessing, pemisahan dataset menjadi 80% data training dan 20% data testing, pembuatan model menggunakan perangkat lunak RapidMiner, serta evaluasi performa model melalui Mean Absolute Error (MAE) dan Root Mean Square Error (RMSE). Hasil analisis menunjukkan bahwa model Regresi Linier Berganda mendapatkan nilai RMSE sebesar 1,141 dan MAE sebesar 0,910. Nilai tersebut membuktikan bahwa tingkat kesalahan prediksi relatif rendah dan model mampu menghasilkan estimasi yang mendekati kondisi aktual lapangan. Oleh karena itu, model ini dinilai layak untuk dijadikan alat bantu pengambilan keputusan dalam penyusunan jadwal, perencanaan sumber daya, dan pengendalian proyek, yang pada akhirnya dapat meningkatkan efektivitas proses perencanaan konstruksi di PT Nusareka Prima Engineering

Kata Kunci: Regresi Linier Berganda; Prediksi Durasi; equipment mechanical; MAE; RMSE.

References

REFERENCES

A. Rasuli, R. Kusuma Serli, K. Indah Panca Ningtyas, and S. Yozha Putri Kinanti, “Prediksi Stok Produk Susu Pada Pt Greenfields Dairy Indonesia Menggunakan Metode Regresi Linier,” CONTEN Comput. Netw. Technol., vol. 5, no. 1, pp. 23–28, 2025, [Online]. Available: http://jurnal.bsi.ac.id/index.php/conten

Siswo Adiguno, Yohanni Syahra, and Milfa Yetri, “5331-8141-1-Pb,” J. Sist. Inf. Tgd, vol. 1, pp. 275–281, 2022.

M. O. Sanni-anibire, “Developing a machine learning model to predict the construction duration of tall building projects,” vol. 4, no. 1, pp. 22–36, 2021.

A. T. Nurani, A. Setiawan, B. Susanto, D. Salatiga, and J. Tengah, “Perbandingan Kinerja Regresi Decision Tre e dan Regresi Linear Berganda untuk Prediksi BMI pada Dataset Asthma,” vol. 6, no. 1, pp. 34–43, 2023.

D. Chicco, M. J. Warrens, and G. Jurman, “The coefficient of determination R-squared is more informative than SMAPE, MAE, MAPE, MSE and RMSE in regression analysis evaluation,” PeerJ Comput. Sci., vol. 7, pp. 1–24, 2021, doi: 10.7717/PEERJ-CS.623.

Y. Tambunan, Y. Yohannes, and S. Sipayung, “Pemodelan Tren Pendapatan Game Gacha Menggunakan Regresi Linier,” vol. 6, no. 1, pp. 49–58, 2026.

D. Arifuddin, K. Kusrini, and K. Kusnawi, “Perbandingan Performansi Algoritma Multiple Linear Regression dan Multi Layer Perceptron Neural Network dalam Memprediksi Penjualan Obat,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 5, no. 2, pp. 722–737, 2025, doi: 10.57152/malcom.v5i2.1952.

S. A. Nur Cahyo and M. T. Sulistyono, “Comparison of Multiple Linear Regression and Random Forest Methods for Predicting National Rice Production in Indonesia,” J. Appl. Informatics Comput., vol. 9, no. 6, pp. 3479–3489, 2025, doi: 10.30871/jaic.v9i6.11398.

J. S. Sebayang and B. Yuniarto, “Perbandingan Model Estimasi Artificial Neural Network Optimasi Genetic Algorithm dan Regresi Linier Berganda,” Media Stat., vol. 10, no. 1, p. 13, 2017, doi: 10.14710/medstat.10.1.13-23.

S. Ningsih and H. H. Dukalang, “Penerapan Metode Suksesif Interval pada Analsis Regresi Linier Berganda,” Jambura J. Math., vol. 1, no. 1, pp. 43–53, 2019, doi: 10.34312/jjom.v1i1.1742.

S. D. Cahyo, A. A. Murtopo, and B. A. Santoso, “Penerapan Metode Regresi Linier untuk Prediksi Jumlah Penumpang Kereta Api,” RIGGS J. Artif. Intell. Digit. Bus., vol. 4, no. 3, pp. 986–993, 2025, doi: 10.31004/riggs.v4i3.2061.

R. P. Simbolon and S. P. Sipayung, “Penerapan metode regresi linear berganda dalam mengestimasi jumlah penduduk pada Kabupaten Samosir,” Semin. Nas. Inov. Sains Teknol. Inf. Komput., vol. 1, no. 2, pp. 426–436, 2024, [Online]. Available: https://ejournal.ust.ac.id/index.php/SNISTIK/article/view/3660

W. Inawati, R. Kurniawan, and Y. A. Wijaya, “Penerapan Aplikasi Rapidminer pada Prediksi Data Penjualan Album K-Pop Menggunakan Metode Regresi Linear,” J. Ris. dan Apl. Mhs. Inform., vol. 5, no. 3, pp. 585–592, 2024, doi: 10.30998/jrami.v5i3.10648.

A. Hurifiani, A. Irma Purnamasari, and I. Ali, “Penerapan Algoritma Regresi Linear Untuk Prediksi Penjualan Alat Tulis Kantor (Atk) Di Bumdes,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 1, pp. 266–273, 2024, doi: 10.36040/jati.v8i1.8305.

V. R. Joseph, “Optimal ratio for data splitting,” Stat. Anal. Data Min., vol. 15, no. 4, pp. 531–538, 2022, doi: 10.1002/sam.11583.