IMPLEMENTASI KOMBINASI METODE RANDOM FOREST DAN EXTREME GRADIENT BOOSTING DALAM PREDIKSI WAKTU KETERLAMBATAN PROYEK KONSTRUKSI UNTUK MEMINIMALKAN RISIKO KETERLAMBATAN

Dewangga, Muhammad Rheza Pramuditha (2025) IMPLEMENTASI KOMBINASI METODE RANDOM FOREST DAN EXTREME GRADIENT BOOSTING DALAM PREDIKSI WAKTU KETERLAMBATAN PROYEK KONSTRUKSI UNTUK MEMINIMALKAN RISIKO KETERLAMBATAN. Skripsi thesis, UPN "Veteran" Yogyakarta.

[thumbnail of 2_COVER_123210150_MUHAMMAD RHEZA PRAMUDITHA DEWANGGA.pdf] Text
2_COVER_123210150_MUHAMMAD RHEZA PRAMUDITHA DEWANGGA.pdf
Download (266kB)
[thumbnail of 4_PENGESAHAN PENGUJI_MUHAMMAD RHEZA PRAMUDITHA DEWANGGA_123210150.pdf] Text
4_PENGESAHAN PENGUJI_MUHAMMAD RHEZA PRAMUDITHA DEWANGGA_123210150.pdf
Download (10MB)
[thumbnail of 5_PENGESAHAN PEMBIMBING_MUHAMMAD RHEZA PRAMUDITHA DEWANGGA_123210150.pdf] Text
5_PENGESAHAN PEMBIMBING_MUHAMMAD RHEZA PRAMUDITHA DEWANGGA_123210150.pdf
Download (10MB)
[thumbnail of 3_ABSTRAK_123210150_MUHAMMAD RHEZA PRAMUDITHA DEWANGGA.pdf] Text
3_ABSTRAK_123210150_MUHAMMAD RHEZA PRAMUDITHA DEWANGGA.pdf
Download (277kB)
[thumbnail of 6_DAFTAR ISI_123210150_MUHAMMAD RHEZA PRAMUDITHA DEWANGGA.pdf] Text
6_DAFTAR ISI_123210150_MUHAMMAD RHEZA PRAMUDITHA DEWANGGA.pdf
Download (267kB)
[thumbnail of 7_DAFTAR PUSTAKA_123210150_MUHAMMAD RHEZA PRAMUDITHA DEWANGGA.pdf] Text
7_DAFTAR PUSTAKA_123210150_MUHAMMAD RHEZA PRAMUDITHA DEWANGGA.pdf
Download (252kB)
[thumbnail of 1_SKRIPSI FULLTEXT_MUHAMMAD RHEZA PRAMUDITHA DEWANGGA_123210150.pdf] Text
1_SKRIPSI FULLTEXT_MUHAMMAD RHEZA PRAMUDITHA DEWANGGA_123210150.pdf
Restricted to Repository staff only
Download (7MB)
Official URL: upnyk.ac.id

Abstract

Keterlambatan dalam pelaksanaan proyek konstruksi merupakan salah satu
permasalahan krusial yang dapat memengaruhi keberhasilan proyek secara menyeluruh.
Tidak tercapainya target waktu pelaksanaan dapat menyebabkan peningkatan biaya,
gangguan terhadap mutu pekerjaan, serta hilangnya kepercayaan dari pemilik proyek.
Berdasarkan data Badan Pusat Statistik (BPS), tercatat bahwa sekitar 30–40% proyek
konstruksi di Indonesia mengalami keterlambatan penyelesaian. Faktor penyebabnya sangat
beragam, baik dari sisi internal seperti keterbatasan tenaga kerja dan pengelolaan proyek,
maupun dari sisi eksternal seperti cuaca, regulasi, dan ketersediaan material. Oleh karena
itu, diperlukan suatu pendekatan prediktif yang mampu memperkirakan potensi
keterlambatan secara akurat agar pihak manajemen proyek dapat mengambil langkah
mitigasi yang tepat sejak tahap perencanaan.
Penelitian ini bertujuan untuk membangun model prediksi keterlambatan proyek
konstruksi berbasis machine learning dengan pendekatan ensemble learning. Dataset yang
digunakan bersumber dari repositori publik GitHub dengan judul “Predict Construction
Delays using Machine Learning” yang disusun oleh pengguna ApeX1112, terdiri atas 3.648
baris data numerik yang merepresentasikan karakteristik proyek. Metode yang diterapkan
adalah kombinasi dari dua algoritma ensemble, yaitu Random Forest dan Extreme Gradient
Boosting (XGBoost), yang selanjutnya dikombinasikan menggunakan pendekatan Stacking
Regressor dengan Ridge Regression sebagai meta-learner. Pra-pemrosesan data dilakukan
secara menyeluruh, meliputi pembersihan data, normalisasi fitur menggunakan
StandardScaler, serta rekayasa fitur untuk meningkatkan daya prediksi. Data dibagi
menggunakan metode train-test split dengan proporsi 80:20. Selain membangun model
prediksi, penelitian ini juga mengembangkan sistem input manual agar pengguna dapat
memperoleh estimasi waktu keterlambatan secara langsung berdasarkan karakteristik proyek
yang dimasukkan.
Hasil evaluasi menunjukkan bahwa model Stacking Regressor memberikan kinerja
terbaik dengan nilai Mean Absolute Error (MAE) sebesar 13,124 hari, Root Mean Squared
Error (RMSE) sebesar 26,884 hari, dan koefisien determinasi (R²) sebesar 0,791. Hasil ini
menunjukkan peningkatan akurasi dibandingkan model Random Forest dan XGBoost secara
individual. Visualisasi hasil prediksi terhadap nilai aktual memperkuat bahwa model
Stacking mampu memberikan prediksi yang lebih stabil dan presisi. Penelitian ini
memberikan kontribusi dalam pengembangan sistem prediksi berbasis machine learning
yang aplikatif dan berpotensi diintegrasikan dalam manajemen proyek konstruksi untuk
mengantisipasi risiko keterlambatan secara proaktif.
Kata kunci: Keterlambatan Proyek, Machine Learning, Random Forest, XGBoost, Stacking
Regressor

Item Type: Tugas Akhir (Skripsi)
Additional Information: Muhammad Rheza Pramuditha Dewangga (Penulis - 123210150) ; Budi Santoso (Pembimbing)
Uncontrolled Keywords: Keterlambatan Proyek, Machine Learning, Random Forest, XGBoost, Stacking Regressor
Subjek: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions: Fakultas Teknik Industri > (S1) Informatika
Depositing User: UPA Perpustakaan
Date Deposited: 10 Nov 2025 04:41
Last Modified: 10 Nov 2025 04:41
URI: http://eprints.upnyk.ac.id/id/eprint/45342

Actions (login required)

View Item View Item