Cover
PUBLIC karya Abstrak
PUBLIC karya Abstract
PUBLIC karya Lembar Pengesahan
PUBLIC karya
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.