Catatan bukti · UDINUS · SDGs
- Unit
- Rektorat UDINUS
- Periode
- 2025
- Tujuan
- Nomor
- 585caae6-1ca1-4675-93f2-b73d8f0cd82e
- Terbit
- 2026-10-30
Universitas Dian Nuswantoro melaksanakan kegiatan penelitian mengenai penggunaan algoritma Random Forest untuk klasifikasi biner kegagalan mesin. Kegiatan ini melibatkan Muljono, Muljono; Arisani, Muhammad Irfan; dan Hakim, Ermanu Azizul sebagai peserta. Penelitian tersebut membahas penggunaan pembelajaran mesin tingkat lanjut, termasuk pembelajaran ensemble, dalam industri manufaktur. Fokus penelitian adalah meningkatkan kinerja model melalui seleksi fitur sekuensial atau SFS untuk klasifikasi biner kegagalan mesin.
Kegiatan ini menggunakan dataset mesin dengan karakteristik ketidakseimbangan ekstrem. Rekayasa fitur dilakukan pada beberapa variabel independen. Variabel murni dan variabel yang telah dibentuk kemudian dipilih dan dipisahkan menggunakan rasio terstratifikasi 65:35 untuk data pelatihan dan pengujian. Dataset yang telah diproses dilatih menggunakan algoritma Random Forest. Penelitian ini membandingkan model Random Forest yang dikombinasikan dengan seleksi fitur sekuensial melalui metode eliminasi mundur dan model tanpa seleksi fitur sekuensial.
Kinerja model dievaluasi menggunakan metrik akurasi, recall, presisi, F1-score, dan koefisien korelasi Matthews. Penelitian ini juga menyajikan kurva ROC-AUC dan precision-recall. Hasil eksperimen menunjukkan peningkatan recall sebesar 15,97 persen, dari 62,18 menjadi 78,15 persen, dibandingkan dengan algoritma Random Forest murni. Hasil tersebut menunjukkan potensi untuk optimalisasi lebih lanjut dalam penerapan dunia nyata. Kegiatan ini memberikan bukti penelitian yang melibatkan pembelajaran mesin, seleksi fitur, klasifikasi kegagalan mesin, dan evaluasi kinerja model dalam industri manufaktur.