Prediksi Kebutuhan Sparepart pada Lini ULI PT Cedefindo Menggunakan Algoritma Random Forest

Salsabil Amatin  Fauzia; Ari Nurul  Alfian

doi:10.58602/chain.v4i4.397

Salsabil Amatin Fauzia ^{(Corresponding Author)} Universitas Bina Insani
Ari Nurul Alfian Universitas Bina Insani

DOI: https://doi.org/10.58602/chain.v4i4.397

Abstract

PT Cedefindo khususnya pada lini ULI masih melakukan pengadaan sparepart berdasarkan kondisi stok, sementara data historis penggunaan sparepart yang tersedia belum dimanfaatkan sebagai dasar prediksi. Kondisi tersebut menyebabkan kebutuhan sparepart pada kegiatan Preventive Maintenance (PM) belum dapat diperkirakan dengan baik dan berpotensi menimbulkan understock. Penelitian ini bertujuan menghasilkan estimasi kebutuhan sparepart pada periode berikutnya dengan memanfaatkan data historis penggunaan, aktivitas PM, dan trend menggunakan algoritma Random Forest. Penelitian menggunakan metodologi CRISP-DM yang meliputi business understanding, data understanding, data preparation, modeling, evaluation, dan deployment. Data yang digunakan merupakan histori penggunaan sparepart lini ULI periode Januari 2025 sampai April 2026. Model dibangun menggunakan pendekatan dua tahap, yaitu Random Forest Classifier untuk menentukan sparepart yang diperkirakan digunakan dan Random Forest Regressor untuk memprediksi jumlah kebutuhan (QTY). Hasil pengujian terhadap 155 data testing menghasilkan MAE sebesar 2,69, RMSE sebesar 4,97, dan R² sebesar 0,34, yang menunjukkan bahwa model mampu menjelaskan 34% variasi QTY pada data testing. Pengujian pengguna terhadap 8 responden menggunakan skala Likert menghasilkan nilai rata-rata sebesar 92,14%, yang menunjukkan bahwa sistem dapat diterima dan digunakan oleh pengguna. Sistem berbasis website yang dihasilkan dapat digunakan sebagai informasi pendukung bagi admin teknik dalam memperkirakan kebutuhan sparepart untuk membantu proses pengadaan pada periode berikutnya.

References

BADAN POM, “Dorong Transformasi Industri Kosmetik, BPOM Tekankan Inovasi dan Keberlanjutan di Future Beauty Talk 2026,” POM.

M. Irsan and F. Ismawan, “Sistem Pendukung Keputusan Pemilihan Spare Part Pada Bengkel HASBI Motor Dengan Metode AHP,” Indonesian Journal of Media Informatics, vol. 1, no. 2, pp. 69–80, Jul. 2025, doi: 10.61674/BE5HDF15.

S. Zhang, K. Huang, and Y. Yuan, “Spare Parts Inventory Management: A Literature Review,” Sustainability 2021, Vol. 13, Page 2460, vol. 13, no. 5, p. 2460, Feb. 2021, doi: 10.3390/SU13052460.

Shafiyah Amalia Amin, Havis Aravik, and Choiriyah, “Perbandingan Kinerja Karyawan Sebelum dan Setelah Menggunakan Aplikasi SAP (System Application Product In Data Processing) di PT Pupuk Sriwidjaja Palembang,” Jurnal Bisnis dan Manajemen (JURBISMAN), vol. 1, no. 4, pp. 945–960, Oct. 2023, doi: 10.61930/JURBISMAN.V1I4.272.

A. R. Prasetya et al., “Penerapan Algoritma K-Means untuk Analisa Kebutuhan Sparepart pada PT Berkah Group,” Jurnal Riset dan Aplikasi Mahasiswa Informatika (JRAMI), vol. 6, no. 02, pp. 428–437, Apr. 2025, doi: 10.30998/JRAMI.V6I02.13793.

A. Al Kaafi, “Peran Machine Learning dalam Predictive Analytics untuk Software Engineering: Tinjauan Integratif,” RIGGS: Journal of Artificial Intelligence and Digital Business, vol. 4, no. 4, pp. 10256–10265, Jan. 2026, doi: 10.31004/riggs.v4i4.4997.

M. Qamal, S. Hasan, and T. Wulandari, “Prediksi Jumlah Mahasiswa Baru Universitas Malikussaleh Menggunakan Metode DMA (Double Moving Average),” TECHSI-Jurnal Teknik Informatika, vol. 11, no. 3, pp. 353–365, 2019.

C. A. Utama, “Pengembangan si stok barang dengan peramalan menggunakan metode double exponential smoothing (studi kasus: PT. Tomah Jaya Elektrikal),” Jurnal Informatika Polinema, vol. 2, no. 4, p. 147, 2016.

A. Sari, M. Arifin, and E. Darmanto, “PREDIKSI KEBUTUHAN STOK BARANG MENGGUNAKAN ALGORITMA RANDOM FOREST UNTUK MENINGKATKAN EFISIENSI PENJUALAN,” JOISIE (Journal Of Information Systems And Informatics Engineering), vol. 9, no. 2, pp. 339–351, Aug. 2025, doi: 10.35145/JOISIE.V9I2.5154.

Y. A. Jatmiko, S. Padmadisastra, and A. Chadidjah, “ANALISIS PERBANDINGAN KINERJA CART KONVENSIONAL, BAGGING DAN RANDOM FOREST PADA KLASIFIKASI OBJEK: HASIL DARI DUA SIMULASI,” MEDIA STATISTIKA, vol. 12, no. 1, pp. 1–12, Jul. 2019, doi: 10.14710/MEDSTAT.12.1.1-12.

M. H. Yanni, K. A. Notodiputro, and B. Sartono, “Performance Comparison of Random Forest, Bagging, and CART Methods in Classifying Recipients of the Family Program in North Aceh,” Khazanah Informatika : Jurnal Ilmu Komputer dan Informatika, vol. 11, no. 1, pp. 50–58, Jul. 2025, doi: 10.23917/KHIF.V11I1.5098.

Irma Fajriah, “Pengaruh Kualitas Udara di Tempat Kerja terhadap Kesehatan dan Produktivitas Pekerja,” Termometer: Jurnal Ilmiah Ilmu Kesehatan dan Kedokteran, vol. 3, no. 1, pp. 272–285, Jan. 2025, doi: 10.55606/termometer.v3i1.4869.

A. S. N. Safitri, “Sistem Informasi Penyewaan Gedung Serbaguna Desa Meteseh Berbasis Web Guna Meningkatkan Aksesibilitas & Efisiensi Penyewaan untuk Masyarakat Desa,” Jurnal Cakrawala Informasi, vol. 4, no. 2, pp. 88–102, Dec. 2024, doi: 10.54066/JCI.V4I2.406.

F. M. Rahman and M. I. Padli, “Online Project Processing Information System at the Foundation Sumatran Orangutan Lestari,” Sistemasi: Jurnal Sistem Informasi, vol. 12, no. 2, pp. 490–507, 2023.

L. Yang, W. Susanti, A. Hajjah, Y. N. Marlim, and G. Tendra, “Perancangan Media Pembelajaran Matematika Menggunakan Teknologi Augmented Reality,” Edukasi: Jurnal Pendidikan, vol. 20, no. 1, pp. 122–136, Jun. 2022, doi: 10.31571/EDUKASI.V20I1.3830.