Penerapan Algoritma Xgboost dan Random Forest dalam Prediksi Uraian Resiko Proyek Pada Dinas XYZ
Year: 2026
Type: article
Abstract: Keselamatan kerja merupakan aspek penting dalam operasional bisnis yang sering diabaikan pada sektor Usaha Mikro, Kecil, dan Menengah (UMKM), khususnya pada sektor yang memiliki tingkat risiko tinggi seperti industri manufaktur skala kecil, kontruksi, pengolahan bahan yang berbahaya, dan lain sebagainya. Kurangnya pelatihan keselamatan kerja dapat berdampak pada produktivitas, kesehatan pekerja, dan keberlangsungan usaha. Penelitian ini bertujuan untuk mengklasifikasikan UMKM berdasarkan tingkat risiko guna mendukung proses pengambilan keputusan dalam pemberian pelatihan keselamatan kerja bagi pegawai di perusahaan tersebut. Algoritma klasifikasi Random Forest dan XGBoost digunakan dalam studi kasus ini dengan data yang diperoleh dari Dinas XYZ melalui dashboard aplikasi OSS. Hasil analisis menunjukkan bahwa model XGBoost memberikan akurasi prediksi yang lebih tinggi (0.74) dibandingkan Random Forest (0.73). Model XGBoost dipilih sebagai pendekatan utama karena performa yang lebih baik dalam mengidentifikasi kategori risiko. Dengan adanya klasifikasi ini, pemangku kepentingan dapat mengambil langkah mitigasi yang lebih tepat sasaran. Dalam penelitian ini, Pemerintah dan pihak terkait dapat merancang program pelatihan yang lebih tepat sasaran, efisien, dan efektif. Selain itu, pendekatan ini juga dapat diadaptasi untuk konteks lain, seperti pengelolaan risiko lingkungan, keamanan produk, atau penilaian kelayakan usaha secara umum.
Source: Jurnal Tekno Kompak
Institution: Universitas Langlangbuana
Language: Indonesian
Subfield: Information Systems
Field: Computer Science
Domain: Physical Sciences
Open Access status: gold
Estimated APC paid: $19
OpenAlex ID: W7204856009