APLIKASI PREDIKSI KERUSAKAN JALAN MENGGUNAKAN METODE NAIVE BAYES DAN RANDOM FOREST PADA PEJABAT PEMBUAT KOMITMEN 1.5 DIREKTORAT JENDERAL BINA MARGA KEMENTERIAN PEKERJAAN UMUM PROVINSI SUMATERA SELATAN

FRILISYA, SEPTI (2026) APLIKASI PREDIKSI KERUSAKAN JALAN MENGGUNAKAN METODE NAIVE BAYES DAN RANDOM FOREST PADA PEJABAT PEMBUAT KOMITMEN 1.5 DIREKTORAT JENDERAL BINA MARGA KEMENTERIAN PEKERJAAN UMUM PROVINSI SUMATERA SELATAN. Diploma thesis, POLITEKNIK NEGERI SRIWIJAYA.

Preview	Text (COVER) COVER.pdf - Published Version Download (672kB) | Preview
	Text (ABSTRAK) ABSTRAK.pdf - Published Version Download (259kB)
	Text (BAB I PENDAHULUAN) BAB I.pdf - Published Version Restricted to Repository staff only Download (334kB) | Request a copy
	Text (BAB II TINJAUAN PUSTAKA) BAB II.pdf - Published Version Restricted to Repository staff only Download (448kB) | Request a copy
	Text (BAB III METODOLOGI PENELITIAN) BAB III.pdf - Published Version Restricted to Repository staff only Download (626kB) | Request a copy
	Text (BAB IV PEMBAHASAN) BAB IV.pdf - Published Version Restricted to Repository staff only Download (3MB) | Request a copy
	Text (BAB V PENUTUP) BAB V.pdf - Published Version Restricted to Repository staff only Download (248kB) | Request a copy
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf - Published Version Restricted to Repository staff only Download (236kB) | Request a copy
	Text (LAMPIRAN) LAMPIRAN.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Kondisi jalan yang baik sangat penting dalam mendukung kelancaran transportasi, mobilitas masyarakat, dan aktivitas ekonomi. Namun, pengelolaan data riwayat penanganan jalan pada Pejabat Pembuat Komitmen (PPK) 1.5 Direktorat Jenderal Bina Marga Provinsi Sumatera Selatan masih belum dimanfaatkan secara optimal untuk memprediksi tingkat kerusakan maupun volume pekerjaan pemeliharaan jalan. Penelitian ini bertujuan untuk mengembangkan aplikasi berbasis website yang mampu memprediksi tingkat potensi kerusakan jalan menggunakan metode Naive Bayes dan Random Forest, serta memprediksi volume pekerjaan pemeliharaan jalan menggunakan metode Random Forest Regressor berdasarkan data historis tahun 2022–2025 pada ruas Betung – Batas Kota Palembang. Data yang digunakan meliputi bulan pekerjaan, jenis pekerjaan, titik kilometer (KM), panjang, lebar, dan volume pekerjaan. Metode Naive Bayes dan Random Forest digunakan untuk mengklasifikasikan tingkat potensi kerusakan jalan ke dalam kategori ringan, sedang, dan berat, sedangkan Random Forest Regressor digunakan untuk memprediksi volume pekerjaan pemeliharaan jalan berdasarkan pola data historis. Hasil penelitian menunjukkan bahwa aplikasi yang dibangun mampu mengelola data survei, data historis, proses prediksi, dan penyajian laporan secara terstruktur. Hasil pengujian menunjukkan bahwa metode Ensemble memperoleh nilai lebih tinggi dibandingkan metode Naive Bayes tunggal. Selain itu, Random Forest Regressor memberikan hasil prediksi yang baik pada jenis pekerjaan AC WC, CAP, dan CMM, sehingga aplikasi yang dikembangkan dapat mendukung proses monitoring kondisi jalan serta membantu pengambilan keputusan dalam menentukan prioritas pemeliharaan jalan secara lebih efektif, efisien, dan berbasis data.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Aplikasi, Prediksi Kerusakan Jalan, Naive Bayes, Random Forest Regressor, Website.
Subjects:	T Technology > T Technology (General)
Divisions:	Informatics Management > Undergraduate Theses
Depositing User:	Pustaka Manajemen Informatika
Date Deposited:	28 Jul 2026 03:05
Last Modified:	28 Jul 2026 03:05
URI:	http://eprints.polsri.ac.id/id/eprint/23486

Actions (login required)

View Item