Prediksi Status Integrasi Spbu Di Wilayah Telkom Makassar Menggunakan Metode Decision Tree
Abstract
Digitalisasi SPBU bertujuan meningkatkan
efisiensi operasional melalui integrasi perangkat seperti
dispenser, display, nozzle, dan EDC. Masalah utama adalah
integrasi perangkat digitalisasi ke sistem yang belum optimal,
sehingga menyebabkan data tidak akurat dan laporan tidak
konsisten. Penelitian ini menggunakan metode Decision Tree
untuk memprediksi status integrasi perangkat berdasarkan 534
data operasional SPBU di wilayah Telkom Makassar dengan 45
atribut.
Ketidakseimbangan data membuat model lebih akurat
mendeteksi Partial Integrasi dibandingkan Full Integrasi. Data
diseimbangkan menggunakan SMOTE sebelum diterapkan
pada model Decision Tree, yang dievaluasi melalui akurasi,
precision, recall, dan F1-score. Hyperparameter tuning
dilakukan untuk meningkatkan performa.
Hasil penelitian menunjukkan bahwa setelah data
diseimbangkan menggunakan SMOTE, model Decision Tree
berhasil meningkatkan kemampuan dalam mengenali kelas
minoritas. Evaluasi akhir setelah SMOTE dan hyperparameter
tuning menghasilkan akurasi sebesar 69%, precision 62%,
recall 89%, dan F1-score 73%. Hasil ini menunjukkan bahwa
model mampu memprediksi status integrasi perangkat dengan
lebih seimbang, mendukung pengambilan keputusan untuk
meningkatkan sistem digitalisasi SPBU.
Kata kunci—Digitalisasi SPBU, Decision Tree, Status
Integrasi, SMOTE, Hyperparameter Tuning
References
Timoty Agustian Berutu, Dina Lorena Rea
Sigalingging, Gaby Kasih Valentine Simanjuntak,
and Friska Siburian, “Pengaruh Teknologi Digital
terhadap Perkembangan Bisnis Modern,” Neptunus:
Jurnal Ilmu Komputer Dan Teknologi Informasi, vol.
, no. 3, pp. 358–370, Jul. 2024, doi:
61132/neptunus.v2i3.258.
E. Indrayani, Transformasi Digital untuk Masa
Depan Pelayanan Publik di Indonesia. Bandung: CV
Cendekia Press, 2024.
A. I. Hidayat, A. Agunawan, Y. Mahendra, and W.
Cahyani, “Penerapan IoT pada Sistem Deteksi Kadar
Air dan Level Tangki Stasiun SPBU,” Jurnal Teknik,
vol. 21, no. 2, pp. 142–154, Dec. 2023, doi:
37031/jt.v21i2.421.
M. Syarifuddin, J. Simarmata, A. Maulidinnawati
Abdul Kadir Parewe, I. Firman Ashari, and S.
Ramadhani Arifin, Cloud Computing: Konsep dan
Implementasi. Yayasan Kita Menulis, 2023.
[Online]. Available:
https://www.researchgate.net/publication/37081538
B. Charbuty and A. Abdulazeez, “Classification
Based on Decision Tree Algorithm for Machine
Learning,” Journal of Applied Science and
Technology Trends, vol. 2, no. 01, pp. 20–28, Mar.
, doi: 10.38094/jastt20165.
Roland Fiagbe, “Classification of Adult Income
Using Decision Tree,” Data Science and Data
Mining, pp. 2–5, 2023.
Y. Yang, “The Evaluation of Online Education
Course Performance Using Decision Tree Mining
Algorithm,” Complexity, pp. 1–13, Apr. 2021, doi:
1155/2021/5519647.
Emil Agbemade, “Predicting Heart Disease using
Tree-based Model,” Data Science and Data Mining,
Achmad Nuruddin Syaifulloh, Nur Iriawan, and
Pratnya Paramitha Oktaviana, “ANALYSIS OF THE
PATTERN DISTRIBUTION OF SURABAYA
REGIONAL PUBLIC FUEL STATIONS (SPBU)
USING SPATIAL POISSON POINT PROCESS,”
JURNAL SAINS DAN SENI ITS, vol. 8, no. 2, 2019.
S. Oleh and V. Berlinda, “PERJANJIAN
KERJASAMA PENGELOLAAN USAHA SPBU
DEALER OWNED DEALER OPERATED
(DODO) DI INDONESIA (Studi pada Stasiun
Pengisian Bahan Bakar Umum (SPBU) 24.345.28 di
Kabupaten Tulang Bawang),” 2018.
SUHARNO, “PENGOPERASIAN PERALATAN
SPBU,” 2020.
administrator, “Pengertian Nozzle : Fungsi, Jenis,
Komponen, Cara Kerja dan Contoh,” Empat Pilar.
Accessed: Feb. 11, 2025. [Online]. Available:
https://www.empatpilar.com/pengertian-nozzle/
A.- Fauzi, A. Fathurohman, and T. N. Pratyaksa,
“Manage Sistem Operasi Digitalisasi SPBU
