Perpustakaan Digital ITB

Kereta api merupakan moda transportasi massal yang masih cukup diminati oleh masyarakat Indonesia hingga saat ini. Hal ini menyebabkan adanya urgensi terhadap penjaminan keselamatan penggunaan kereta api yang baik dari penyelenggaranya. Meskipun begitu, KNKT menemukan bahwa sebagian besar kecelakaan kereta api disebabkan oleh faktor prasarana, salah satunya adalah rel patah. Peninjauan lebih lanjut pada kejadian terkait memberikan hasil bahwa kejadian rel patah ini disebabkan oleh beberapa hal, di antaranya terdapat pada aspek manajemen dan organisasi. Penelitian ini dilakukan untuk memberikan pandangan baru terhadap metode penyelesaian masalah pada aspek manajemen dan organisasi dengan menerapkan machine learning untuk melakukan penilaian kondisi rel. Metode penilaian yang dimaksud dalam penelitian ini adalah penggunaan model machine learning untuk melakukan prediksi kemungkinan terjadinya rel patah di suatu titik dengan kondisikondisi yang dimasukkan sebagai input pada model. Pengembangan model dilakukan menggunakan metodologi CRISP-DM dan beberapa teknik pemodelan yang saling dibandingkan hasilnya sehingga menghasilkan model paling tepat. Pengembangan model dilakukan menggunakan dataset kejadian patah rel pada tahun 2017 hingga 2019 yang disertai dengan detail teknis dan operasional. Lingkup lokasi observasi pada penelitian dibatasi pada daerah operasi kereta api di Sumatera Selatan, khususnya DIVRE III dan DIVRE IV. Evaluasi pada hasil setiap model yang dilakukan di akhir penelitian memberikan kesimpulan bahwa random forest adalah teknik yang paling tepat untuk digunakan dalam melakukan pembuatan model analisis prediksi kejadian dan lokasi rel patah berdasarkan data yang digunakan.