Perpustakaan Digital ITB

Evaluasi pra-kelayakan proyek infrastruktur perkeretaapian secara konvensional sangat rentan terhadap bias optimisme serta estimasi yang subjektif karena tingginya ketergantungan pada analisis manual. Kondisi ini semakin diperumit oleh adanya tantangan berupa keterbatasan data perencanaan historis yang terjadi di negara berkembang seperti Indonesia. Penelitian ini bertujuan untuk mengatasi masalah tersebut melalui perancangan, implementasi, serta evaluasi kerangka kerja sistem pendukung keputusan terintegrasi yang memanfaatkan model pembelajaran mesin dalam menyaring usulan proyek secara cepat dan objektif. Penelitian ini menggunakan pendekatan Design Science Research Methodology (DSRM) sebagai metodologi utama. Adapun kerangka kerja yang dikembangkan diimplementasikan melalui empat modul terintegrasi, meliputi akuisisi data hibrida berbasis paradigma Smart Data, pemodelan prediktif hibrida Stacked Ensemble (LASSO dan XGBoost) dengan validasi silang 5-fold, pemrosesan rekomendasi preskriptif simulasi skenario What-If, serta dukungan keputusan berbasis interaksi Human-in-the-Loop melalui dasbor interaktif. Hasil evaluasi kuantitatif menunjukkan model prediktif akhir berhasil membatasi tingkat kesalahan estimasi rata-rata (MAPE) pada angka 20,86% dengan RMSE sebesar 1,59. Analisis kepentingan fitur menegaskan bahwa tingkat diskonto ekonomi, target penumpang harian, serta jumlah stasiun layanan merupakan tiga variabel utama penentu kelayakan proyek. Simulasi studi kasus membuktikan kemampuan sistem dalam mendukung rekayasa nilai melalui peningkatan skor kelayakan dari 7,17 menjadi 7,28, yang didukung oleh penilaian kegunaan dari praktisi regulator sebesar 4,33 dari skala 5,00. Kesimpulannya, penerapan kerangka kerja ini terbukti andal dalam meminimalkan subjektivitas perencanaan serta memberikan opini kedua yang objektif bagi pengambil kebijakan.