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
Downloads
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



