IMPLEMENTASI RANDOM FOREST PADA KLASIFIKASI PROFIL RISIKO KESELAMATAN DAN KESEHATAN KERJA DI UNIT LAYANAN PELANGGAN

Saraswati, Nanda Suci (2026) IMPLEMENTASI RANDOM FOREST PADA KLASIFIKASI PROFIL RISIKO KESELAMATAN DAN KESEHATAN KERJA DI UNIT LAYANAN PELANGGAN. Diploma thesis, Politeknik Negeri Sriwijaya.

	Text (COVER) COVER.pdf - Published Version Download (1MB)
	Text (ABSTRAK) ABSTRAK.pdf - Published Version Download (92kB)
	Text (BAB I PENDAHULUAN) BAB I.pdf - Published Version Restricted to Repository staff only Download (233kB) | Request a copy
	Text (BAB II TINJAUAN PUSTAKA) BAB II.pdf - Published Version Restricted to Repository staff only Download (339kB) | Request a copy
	Text (BAB III METODOLOGI PENELITIAN) BAB III.pdf - Published Version Restricted to Repository staff only Download (693kB) | Request a copy
	Text (BAB IV HASIL DAN PEMBAHASAN) BAB IV.pdf - Published Version Restricted to Repository staff only Download (2MB) | Request a copy
	Text (BAB V KESIMPULAN DAN SARAN) BAB V.pdf - Published Version Restricted to Repository staff only Download (169kB) | Request a copy
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf - Published Version Restricted to Repository staff only Download (150kB) | Request a copy
	Text (LAMPIRAN) LAMPIRAN.pdf - Published Version Restricted to Repository staff only Download (4MB) | Request a copy

Abstract

Pengelolaan data profil risiko Keselamatan dan Kesehatan Kerja (K3) di PLN UP3 Tanjung Karang saat ini masih belum terintegrasi dan dilakukan secara manual melalui Google Form dan Spreadsheet tanpa adanya proses klasifikasi otomatis berdasarkan tingkat bahayanya, sehingga pihak manajemen mengalami kesulitan dalam mengidentifkasi pola risiko yang dominan di setiap Unit Layanan Pelanggan (ULP) serta menentukan strategi mitigasi yang tepat sasaran. Penelitian ini bertujuan untuk mengimplementasikan algoritma Random Forest dalam mengklasifikasikan profil risiko K3 ke dalam tiga kategori berdasarkan nilai Risk Containment, yaitu RC1 (Risiko Rendah), RC2 (Risiko Sedang), dan RC3 (Risiko Tinggi), serta membangun aplikasi berbasis website sebagai solusi dalam pengolahan data risiko agar meenjadi lebih terstruktur dan terintegrasi. Metode pengembangan sistem yang digunakan adalah Waterfall yang meliputi tahap analisis kebutuhan, perancangan, implementasi, pengujian, dan pemeliharaan. Aplikasi dibangun menggunakan bahasa pemrograman Python. Kualitas hasil klasifikasi dievaluasi dengan menggunakan Confusion Matrix yang mencakup metrik akurasi, presisi, recall, dan F1-Score. Berdasarkan hasil evaluasi, model Random Forest memperoleh akurasi keseluruhan sebesar 94,44% dengan nilai presisi RC1 sebesar 86,0%, RC2 sebesar 90,0%, dan RC3 sebesar 95,5%, yang menunjukkan bahwa model memiliki performa klasifikasi yang sangat baik pada setiap kelas risiko. Hasil penelitian ini berupa sistem yang mampu mengklasifikasikan data observasi K3 secara otomatis, menyajikan visualisasi distribusi risiko, serta menghasilkan laporan yang dapat diekspor dalam format PDF maupun Excel sebagai pendukung pengambilan keputusan manajemen risiko K3 di PLN UP3 Tanjung Karang secara lebih efektif dan berbasis data.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Random Forest, Klasifikasi, Profil Risiko K3, Website, Confusion Matrix
Subjects:	T Technology > T Technology (General)
Divisions:	Informatics Management > Undergraduate Theses
Depositing User:	Pustaka Manajemen Informatika
Date Deposited:	28 Sep 2026 06:36
Last Modified:	28 Sep 2026 06:36
URI:	http://eprints.polsri.ac.id/id/eprint/26051

Actions (login required)

View Item