Algoritma Machine Learning Dalam Melakukan Prediksi Pemilihan Konfigurasi Kapal Tunda di Pelabuhan Tanjung Priok

Abstract

Pengoperasian pelabuhan secara dasar meliputi berbagai kegiatan pelayanan, salah satu proses pelayanan kegiatan di pelabuhan yaitu pelayanan pemanduan dan penundaan kapal. Salah satu langkah yang dibutuhkan dalam proses penetapan kapal tunda dalam pelayanan pemanduan dan penundaan kapal yaitu pemilihan konfigurasi Kapal Tunda. Penelitian ini menguji performa klasifikasi Support Vector Machine (SVM) dan Naïve Bayes Classifier (NBC) pada data Laporan Harian Gerakan Kapal (LHGK) di Pelabuhan Tanjung Priok selama periode 2021 untuk proses pemodelan dan evaluasi. Penelitian ini bertujuan untuk membuat modelan prediksi dalam penentuan konfigurasi Kapal Tunda, evaluasi hasil model prediksi untuk memilih konfigurasi kapal tunda di Pelabuhan Tanjung Priok. Dengan menerapkan model klasifikasi NBC dan SVM yang ditingkatkan dengan kernel Linier dan RBF, termasuk juga pemilihan fitur baik untuk SVM dan Naïve Bayes. Hasil uji perbandingan model prediksi antara SVM dan NBC menujukan bahwa klasifikasi SVM memberikan hasil yang paling optimal, yaitu menggunakan kernel linier pada nilai C=10, diperoleh akurasi sebesar 84,7%, recall sebesar 84,7%, F1-score sebesar 88,7%, dan akurasi sebesar 88,7%. Penelitian ini dimasa yang akan datang dapat dimanfaatkan dalam proses pengambilan keputusan dalam menentukan susunan konfigurasi Kapal Tunda oleh petugas pelabuhan.