ANALISIS MODEL MACHINE LEARNING UNTUK JENIS ASPAL DI JAWA BARAT MENGGUNAKAN ALGORITMA DECISION TREE DAN RANDOM FOREST

Abstrak

Dalam hal mengolah data dan melakukan perintah tertentu, Machine Learning  (ML) sangat berguna. Meskipun demikian, hasil dari model yang digunakan sangat bergantung pada proses data yang dipelajari mesin.

Tujuan dari penelitian ini adalah untuk mengevaluasi kinerja model-model pembelajaran mesin yang digunakan dalam klasifikasi berbagai jenis aspal di Jawa Barat. Dalam rangka mencapai tujuan ini, digunakan algoritma Pohon Keputusan (Decision Tree) dan Hutan Acak (Random Forest). Data set yang digunakan terdiri dari 1.191 data yang dikumpulkan dari opendata.jabarprov.go.id dari tahun 2019 hingga 2022. Dengan menggunakan aplikasi Google Colab, analisis dilakukan berdasarkan tahapan Knowledge Discovery in Database (KDD). Hasil penelitian menunjukkan bahwa model yang menggunakan algoritma Random Forest memiliki akurasi sebesar 90,79% pada dataset yang mengandung aspal di Jawa Barat. Random Forest menunjukkan hasil yang sempurna 100% pada data pelatihan dan 90,79% pada data pengujian dalam evaluasi model. Untuk setiap kelas, metrik evaluasi presisi, recall, dan s F1-score juga menunjukkan hasil yang baik. Model Random Forest mendapatkan nilai presisi 91,41%, recall 97,31%, dan F1-score 94,27% untuk kelas HOTMIX, sementara model Decision Tree mendapatkan nilai presisi 91,01%, recall 92,47%, dan F1-score 91,73% untuk kelas HOTMIX. Model Random Forest juga mendapatkan hasil yang cukup baik, nilai presisi 72,00%, recall 67,92%, dan F1-score 94,27% untuk kelas HOTMIX. Hasil penelitian ini memberikan kontribusi penting dalam pengembangan model pembelajaran mesin untuk klasifikasi jenis aspal.