PENERAPAN DATA MINING UNTUK PREDIKSI UJUK KERJA OPERASIONAL PENAMBANGAN BATUBARA

Sumarjono Sumarjono, M. Arif Saputra Saputra

Abstract


Dalam operasional penambangan batubara 24 jam sehari dan 7 hari seminggu yang menerapkan Fleet Management System (FMS) menghasilkan data ujuk kerja operasional seperti spotting time, loading time, payload, Physical Availability, digrate & productivity yang menjadi perhatian semua pemangku kepentingan dalam operasional tambang. Data tersebut secara individu dianalisasi sesuai kebutuhan masing-masing pihak. Perkembangan teknologi dan sistem informasi menggunakan data mining sebagai metode pengambilan dan pemrosesan data yang berkembang. Data yang menumpuk dari waktu ke waktu, tidak akan memiliki nilai yang berharga jika tidak dilakukan analisis. Untuk menganalisis data historis, maka perlu digunakan metode yang tepat. Metoda Data Mining merupakan solusi yang tepat untuk menganalisis data historis tersebut. Tujuan dari penelitian ini adalah untuk mendapatkan pola dari data operasional dan dapat melakukan prediksi terhadap ujuk kerja yang akan dicapai dalam jangka waktu tertentu. Dalam penelitian ini, penulis menggunakan teknik pengayaan data mining dan software yang digunakan adalah Rapidminer. Pengujian menggunakan Rapidminer didapatkan model dari suatu proses operasional berdasarkan data historical dan model tersebut akan diimplementasikan sebagai prediksi terhadap capaian ujuk kerja operasional. Penelitian ini akan dilakukan untuk mengukur keakuratan data hasil prediksi menggunakan Regresi Linier dengan tujuan untuk mendapatkan hasil tingkat akurasi yang ditawarkan oleh metode tersebut.

Keywords


Prediksi, Ujuk Kerja Operasional Penambangan, Data Mining, Regresi Linier, Rapidminer

Full Text:

PDF

References


Fitri Marisa, “Edukasi Data Mining (Konsep Dan Penerapan),” Jurnal Teknologi Informasi Vol. 4 No. 2, Universitas Widyagama Malang.

Vincentius Riandaru Prasetyo, Hamzah Lazuardi, Aldo Adhi Mulyono, Christian Lauw “Penerapan Aplikasi RapidMiner Untuk Prediksi Nilai Tukar Rupiah Terhadap US Dollar Dengan Metode Regresi Linier,”Jurnal Nasional Teknologi dan Sistem Informasi VOL. 07 NO. 01 (2021) 008-01.

D. Aprillia, D. A. Baskoro, L. Ambarwati dan I. W. S. Wicaksana, Belajar Data Mining dengan RapidMiner, Jakarta, 2013.

Herdianto, “Prediksi Kerusakan Motor Induksi Mengguakan Metoda Jaringan Saraf Tiruan” Universitas Sumatra Utara, 2013.

Riza Fahlevi, Antonius Yadi Kuntoro, Lasman Efendi dan Ridatu Oca Nitra “Prediction of Employee Attendance Factors UsingC4.5 Algorithm, Random Tree, Random Forest”. R. Fahlapi, et al./Semesta Teknika, Vol. 23, No. 1, 39-53, Mei 2020


Article Metrics

Abstract view : 235 times
PDF - 357 times

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.