Prediksi Kuat Tekan Semen untuk Produk Portland Composite Cement (PCC) di PT. Semen Indonesia (Persero) Tbk. Menggunakan Support Vector Regression (SVR) Dengan Feature Selection

Abstract

Indonesia sebagai negara berkembang terus-menerus melakukan pembangunan dalam segala bidang aspek kehidupan. Salah satu aspek yang selalu berkembang adalah sektor infrastruktur. Dengan menghadapi fenomena pertumbuhan infrastruktur ini, khususnya di sektor pembangunan perlu adanya hal yang menunjang dalam setiap pembangunan yang terjadi, salah satunya adalah material semen. Salah satu perusahaan yang bergerak di bidang produksi semen adalah PT. Semen Indonesia (Persero) Tbk. Terdapat beberapa produk yang dihasilkan oleh PT. Semen Indonesia (Persero) Tbk., salah satunya adalah Portland Composite Cement (PCC).  Dalam penelitian ini akan dilakukan prediksi terhadap kuat tekan semen PCC di hari ke-28. Data yang digunakan yaitu bulan Juli 2018 hingga Maret 2019. Pada hasil analisis, hasil regresi linier telah terindikasi mengalami multikolineari-tas, sehingga ditangani menggunakan PCR. Feature selection yang digunakan adalah Recursive Feature Elimination (RFE) berbasis Random Forest (RF-RFE) yang telah menghilangkan lima variabel. Dengan teknik machine learning yaitu SVR didapatkan model terbaik yaitu SVR dengan fungsi kernel Radial Basis Function (RBF) dengan complete feature. Feature selection tidak menghasilkan hasil yang lebih baik dibanding complete feature. Model yang terbaik digunakan untuk memprediksi kuat tekan pada bulan April 2019 yang menghasilkan kriteria terbaik RMSE sebesar 8,78.

CC Licencing

Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).