Implementasi Hybrid Forecasting Dengan Random Forest Dan Exponential Smoothing Untuk Analisis Perbandingan Data Helpdesk Jaringan Dan Aplikasi Di PT Bukit Asam Tbk

indonesia - inggris

Abstract

Penelitian ini bertujuan untuk mengembangkan dan mengimplementasikan metode prediksi hybrid yang menggabungkan algoritma Random Forest dengan teknik Exponential Smoothing dalam rangka menganalisis data operasional helpdesk jaringan dan aplikasi. Pendekatan hybrid ini dirancang untuk mengoptimalkan proses prediksi terhadap waktu respons tiket dengan mempertimbangkan kompleksitas pola historis yang terekam dalam data. Studi ini secara khusus menggunakan data historis dari bulan Agustus dan September 2024 sebagai dasar analisis, guna mengevaluasi performa model prediksi yang diusulkan.

Melalui integrasi antara pembelajaran mesin dan metode peramalan statistik, penelitian ini berhasil menunjukkan bahwa pendekatan hybrid memiliki tingkat akurasi yang lebih tinggi dibandingkan penggunaan metode tunggal. Hasil yang diperoleh menunjukkan bahwa model yang dikembangkan tidak hanya mampu memprediksi waktu respons secara lebih presisi, tetapi juga memberikan wawasan yang lebih mendalam terhadap pola penanganan tiket oleh tim helpdesk.

Dengan demikian, penelitian ini memberikan kontribusi penting dalam meningkatkan efisiensi operasional layanan helpdesk, memperkuat pengambilan keputusan berbasis data, serta membuka peluang untuk pengembangan lebih lanjut dalam penerapan teknik analisis data di bidang manajemen teknologi informasi. Diharapkan bahwa metode ini dapat dijadikan sebagai salah satu referensi dalam membangun sistem prediksi dan perencanaan yang lebih cerdas di lingkungan kerja berbasis layanan TI.