Klasifikasi Perbaikan Perangkat IT Terhadap Produktivitas Karyawan PT KAI Menggunakan Algoritma Decision Tree

Authors

  • Muhammad Fadhiil Alamsyah Universitas Adhirajasa Reswara Sanjaya Author
  • Rangga Sanjaya Universitas Adhirajasa Reswara Sanjaya Author
  • Asti Herliana Universitas Adhirajasa Reswara Sanjaya Author

Keywords:

Data Mining, decision tree, klasifikasi, perbaikan perangkat IT, produktifitas karyawan.

Abstract

Perkembangan teknologi informasi yang pesat mendorong kebutuhan akan sistem pemeliharaan perangkat IT yang lebih efisien di PT Kereta Api Indonesia (Persero). Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi tingkat perbaikan perangkat IT dan dampaknya terhadap produktivitas karyawan menggunakan algoritma Decision Tree. Metode data mining diterapkan untuk menganalisis data perbaikan perangkat IT yang melibatkan atribut seperti kerusakan perangkat, harga perbaikan, dan produktivitas sebelum dan setelah perbaikan. Dengan menggunakan RapidMiner, data yang terdiri dari 1.035 record dibagi menjadi data pelatihan (90%) dan data pengujian (10%). Hasil evaluasi menunjukkan model klasifikasi dengan akurasi 97,53%, precision 96,38%, recall 88,08%, dan F1-Score 91,98%, yang menggambarkan kinerja yang sangat baik dalam mengklasifikasikan dampak perbaikan terhadap produktivitas. Penelitian ini menunjukkan bahwa perbaikan perangkat IT memiliki dampak positif terhadap produktivitas karyawan, yang tercermin dari peningkatan produktivitas setelah perbaikan. Sistem ini diharapkan dapat menjadi alat bantu evaluasi yang efektif untuk pengambilan keputusan dalam pemeliharaan dan perbaikan perangkat IT, serta mendukung efisiensi anggaran dan peningkatan produktivitas karyawan di PT Kereta Api Indonesia (Persero).

References

[1] D. Juliana, “PERAN TEKNOLOGI INFORMASI DALAM MENINGKATKAN KINERJA ORGANISASI,” JURNAL MAHASISWA EKONOMI BISNIS, vol. 1, no. 3, 2024.

[2] S. Saputra and N. W. I. Ardila, “Pengaruh Marketing Public Relation Terhadap Product Brand Image Layanan Kereta Api Kelas Bisnis Di PT. Kereta Api Indonesia (PERSERO),” Pro Mark, vol. 11, no. 1, p. 9, 2021.

[3] Hamdhani Khoeruhman Danahri, “Wawancara mengenai perbaikan perangkat IT di PT Kereta Api Indonesia,” 2025, Bandung.

[4] E. R. D. Wahyuni and R. Rakhmawati, “Dampak monitoring dan audit internal Unit Pengelola Dokumen Aset terhadap kualitas pengelolaan dokumen aset: studi kasus Kantor Pusat PT Kereta Api Indonesia (Persero),” Khazanah: Jurnal Pengembangan Kearsipan, vol. 13, no. 2, pp. 110–131, 2020.

[5] H. Wijoyo, “sistem informasi Manajemen,” 2021, Insan Cendekia Mandiri.

[6] F. Sulianta, Basic Data Mining from A to Z. Feri Sulianta, 2023.

[7] L. Zhou, Y. Cui, and A. Jain, “Fault monitoring technology of electrical automation equipment based on decision tree algorithm,” in International Conference on Multi-modal Information Analytics, Springer, 2022, pp. 37–44.

[8] T. I. Hulu, “Klasifikasi Proses Menentukan Kelayakan Karyawan Baru dengan Metode C4. 5 pada Perusahaan Outsourcing PT. SAHABAT DUA PEMUDA,” Router: Jurnal Teknik Informatika dan Terapan, vol. 2, no. 4, pp. 73–81, 2024.

[9] P. M. Mirete-Ferrer, A. Garcia-Garcia, J. S. Baixauli-Soler, and M. A. Prats, “A review on machine learning for asset management,” Risks, vol. 10, no. 4, p. 84, 2022.

[10] N. Iriadi, L. Setioningtias, and P. Priatno, “Implementasi Data Mining Pada Klasifikasi Ketidakhadiran Pegawai Menggunakan Metode C4. 5,” Computer Science (CO-SCIENCE), vol. 1, no. 1, pp. 53–61, 2021.

[11] U. Suriani, “Penerapan data mining untuk memprediksi tingkat kelulusan mahasiswa menggunakan algoritma decision tree C4. 5,” Journal of Computer and Information Systems Ampera, vol. 4, no. 2, pp. 55–65, 2023.

[12] G. Dwilestari and T. A. Afifah, “PERBANDINGAN KINERJA ALGORITMA NAIVE BAYES DAN DECISION TREE DALAM KLASIFIKASI KANKER PARU-PARU,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 9, no. 1, pp. 801–807, 2025.

[13] A. Nafisa, “PENERAPAN ALGORITMA DECISION TREE C4. 5 UNTUK PREDIKSI CUACA DI KOTA SEMARANG,” Indexia, vol. 7, no. 1, pp. 46–52, 2025.

[14] I. H. Sarker, “Machine Learning: Algorithms, Real-World Applications and Research Directions,” May 01, 2021, Springer. doi: 10.1007/s42979-021-00592-x.

[15] M. A. Wardana and S. Suherman, “Penerapan Data Mining Pengelompokan Data Penjualan Motor di PT. Nusantara Surya Sakti Soppeng Menggunakan Metode K-Means Clustering,” Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI), vol. 8, no. 1, pp. 123–132, Apr. 2025, doi: 10.57093/jisti.v8i1.282.

[16] S. Abrori and Z. Fatah, “Implementasi Metode Decission Tree Dalam Mengklasifikasi Depresi Menggunakan Rapidminer,” Journal of Students ‘Research in Computer Science, vol. 5, no. 2, pp. 123–132, 2024.

[17] A. S. Nurhikam, W. P. Agung, S. Rohman, and I. M. Saputra, “Klasifikasi tanaman obat berdasarkan citra daun menggunakan backpropagation neural networks,” JIKO (Jurnal Informatika dan Komputer), vol. 8, no. 1, pp. 1–11, 2024.

[18] B. P. Pratiwi, A. S. Handayani, and S. Sarjana, “Pengukuran Kinerja Sistem Kualitas Udara Dengan Teknologi Wsn Menggunakan Confusion Matrix,” Jurnal Informatika Upgris, vol. 6, no. 2, 2020.

[19] B. J. R. Hina, S. Sundari, and M. Pakpahan, “Peran Evaluasi Kinerja Dalam Organisasi,” Sammajiva: Jurnal Penelitian Bisnis dan Manajemen, vol. 2, no. 1, pp. 106–117, 2024.

[20] M. Zaky, “Evaluasi kinerja karyawan dengan pendekatan balanced scorecard: Studi pada perusahaan telekomunikasi,” Komitmen: Jurnal Ilmiah Manajemen, vol. 3, no. 2, pp. 168–179, 2022.

[21] M. Y. Bahrudin and E. Iryanti, “Pengaruh Kepemimpinan, Budaya Organisasi, dan Kompensasi Terhadap Kinerja Karyawan Pada PT. Japfa Comfeed Indonesia di Wonoayu Sidoarjo,” Briliant: Jurnal Riset dan Konseptual, vol. 8, no. 2, pp. 385–391, 2023.

[22] A. Komarudin, “SISTEM MANAJEMEN ASET DI PT. MULTI KONSULTINDO JAYA METRO,” Jurnal Alih Teknologi Komputer (ALTEK), vol. 1, no. 2, 2020.

[23] D. P. Sukma, S. Defit, and G. W. Nurcahyo, “Identifikasi Tingkat Kerusakan Peralatan Labor Teknik Komputer Jaringan Menggunakan Metode Decision Tree,” Jurnal Sistim Informasi dan Teknologi, pp. 275–280, 2021.

[24] A. Herliana, “Analisis Sentimen Kuliah Daring Dengan Algoritma Naïve Bayes, K-Nn Dan Decision Tree,” Jurnal Responsif: Riset Sains Dan Informatika, vol. 4, no. 1, pp. 70–80, 2022.

[25] B. T. R. Doni, S. Susanti, and A. Mubarok, “Penerapan Data Mining Untuk Klasifikasi Penyakit Hepatocellular Carcinoma Menggunakan Algoritma Naïve Bayes,” Jurnal Responsif: Riset Sains dan Informatika, vol. 3, no. 1, pp. 12–19, 2021.

Downloads

Published

2026-06-30

Issue

Vol. 7 No. 1 (2026): eProsiding Sistem Informasi (POTENSI) 2026

Section

Artikel

License

All articles published in the eProsiding Sistem Informasi (POTENSI) are licensed under the provisions of the Study Program. Under this license, authors retain the copyright to their works, while others are permitted to copy, distribute, display, and create derivative works from the published articles, whether for commercial or non-commercial purposes, provided that proper acknowledgment is given to the original author and the eProsiding Sistem Informasi (POTENSI) as the source of publication.

Any derivative works must be distributed under the same license. This license supports the open access principle to promote the free and responsible dissemination of scientific knowledge.