Health Index Transformer saat ini menjadi cara yang paling umum untuk
memprediksi kondisi kesehatan transformator untuk menghindari kegagalan pada
transformator daya, dibutuhkan antisipasi dengan pemantauan dan pemeliharaan
kondisi transformator. Penelitian ini menyajikan informasi mengenai diagnosis
kondisi transformator berdasarkan metode Indeks Kesehatan Transformator dengan
menggunakan Random Forest. Metode Indeks Kesehatan Transformator
memberikan penilaian kondisi transformator secara komprehensif. Makalah ini
membahas mengenai prediksi kondisi kesehatan transformator dengan
menggunakan Missing Data Replacement Method dengan lima cara diantara nya
adalah Parameter Removed, Average value, Assume Good, SLR, dan Random
Forest Prediction, dengan tujuh kombinasi yang diusulkan berdasarkan tiga
parameter yaitu 2FAL, IFT dan Water Content sambil mempertimbangkan tingkat
akurasi nya. Hasil analisis 504 Transformator menyatakan jika perhitungan Health
Index dengan menggunakan metode Random Forest memiliki tingkat akurasi
paling tinggi diantara metode lain nya dengan nilai 92%. Sebagaimana yang kita
ketahui bahwa Metode Random Forest adalah teknik klasifikasi ensemble yang
sering menghasilkan kinerja yang lebih unggul dari pengklasifikasi individu, yang
cocok dengan beberapa pengklasifikasi Decission Tree pada berbagai subsampel
dataset dan menggunakan rata-rata untuk meningkatkan akurasi prediksi. Dari
setiap kombinasi yang di terapkan menjelaskan ketersediaan beberapa parameter
bisa saja menjadi pengaruh terhapat penilaian Health Index Transformator, namun
masih bisa dilakukan dengan metode yang diusulkan.