Implementasi Metode Naive Bayes untuk Klasifikasi Tingkat Kerusakan Komponen Produksi Karoseri pada PT. Sukses Tunggal Mandiri

Surtikanti Surtikanti; Pramudya Reynaldi Salim

doi:10.31004/riggs.v5i2.11493

Authors

Surtikanti Surtikanti Universitas Pamulang
Pramudya Reynaldi Salim Universitas Pamulang

DOI:

https://doi.org/10.31004/riggs.v5i2.11493

Keywords:

Klasifikasi Kerusakan, Komponen Karoseri, Gaussian Naive Bayes, Sistem Informasi

Abstract

Sukses Tunggal Mandiri merupakan perusahaan manufaktur karoseri yang menghadapi kendala dalam proses identifikasi tingkat kerusakan komponen produksi karena pemeriksaan masih dilakukan secara manual. Kondisi tersebut membutuhkan waktu yang lebih lama dan dapat menimbulkan perbedaan penilaian antarpetugas. Penelitian ini bertujuan membangun sistem klasifikasi tingkat kerusakan komponen produksi karoseri dengan menerapkan metode Gaussian Naive Bayes. Data yang digunakan berjumlah 200 data kerusakan, terdiri atas 70 data kerusakan ringan, 70 data kerusakan sedang, dan 60 data kerusakan berat. Proses klasifikasi menggunakan tujuh fitur numerik, yaitu luas area kerusakan, kedalaman kerusakan, jumlah titik kerusakan, usia komponen, frekuensi penggunaan, tingkat korosi, dan nilai deformasi. Sistem menghitung nilai probabilitas awal, rata-rata, varians, peluang kemunculan setiap fitur, serta probabilitas akhir untuk menentukan kelas dengan nilai terbesar. Sistem dikembangkan berbasis web menggunakan React.js pada bagian antarmuka, FastAPI dan Python pada bagian pengolahan, serta PostgreSQL sebagai basis data. Pengujian dilakukan menggunakan metode black box testing dan white box testing. Hasil penelitian menunjukkan bahwa sistem mampu mengelompokkan kerusakan komponen ke dalam kategori ringan, sedang, dan berat, menampilkan nilai keyakinan hasil klasifikasi, menyimpan riwayat prediksi, serta menjalankan fungsi utama sesuai dengan rancangan. Penerapan sistem ini membantu bagian produksi dan pengendalian kualitas dalam melakukan identifikasi kerusakan secara lebih cepat, terstruktur, dan efisien serta mendukung proses transformasi digital perusahaan.

Downloads

Download data is not yet available.

References

1. ’Afiifah, K., Azzahra, Z. F., & Anggoro, A. D. (2022). Analisis Teknik Entity - Relationship Diagram dalam Perancangan Database : Sebuah Literature Review. INFORMATIKA DAN TEKNOLOGI (INTECH), 3(2), 18–22.

2. Alfarizi, M. R. S., Al-farish, M. Z., Taufiqurrahman, M., Ardiansah, G., & Elgar, M. (2023). Penggunaan Python Sebagai Bahasa Pemrograman untuk Machine Learning dan Deep Learning. Karya Ilmiah Mahasiswa Bertauhid (KARIMAH TAUHID), 2(1), 1–6.

3. Aulia, I. R., Hermawan, A., & Avianto, D. (2025). Pendekatan Hybrid: Naïve Bayes dan Decision Tree untuk Prediksi Kerusakan Mesin pada Industri Manufaktur PT X. IJAI (Indonesian Journal of Applied Informatics).

4. Aulia, S. C. I. (2022). PEMANFAATAN UML (UNIFIED MODELING LANGUAGE) DALAM PERANCANGAN SISTEM INFORMASI REKAM MEDIS SEDERHANA PADA KEGIATAN POSBINDU PTM. Jurnal Ilmiah Sains Dan Teknologi, 6(Dm), 38–44.

5. Ayu, P., Purnama, W., Pohan, N., & Restiady, A. (2025). Predicting New Student Admissions with the SVM Regression Model in Data Mining. JURNAL TEKNOLOGI DAN OPEN SOURCE, 8(2), 843–850.

6. Banks, A., & Porcello, E. (2020). Learning React: Modern Patterns for Developing React Apps (2nd ed.).

7. Baskoro, G., & Sahputra, I. (2025). Prescriptive Maintenance of Komatsu Dump Truck HD785-7 Using Naïve Bayes Classifier Under Full Maintenance Contract. Jurnal Dinamika Vokasional Teknik Mesin, 10(2), 120–134. https://doi.org/10.21831/dinamika.v10i2.89737

8. Bororing, G. M. G. (2024). PENGEMBANGAN ALGORITMA MACHINE LEARNING UNTUK MENDETEKSI ANOMALI DALAM JARINGAN KOMPUTER. Jurnal Review Pendidikan Dan Pengajaran, 7, 1361–1368.

9. Budiman, L. A., Hakim, A. R., Pratama, D., Tsalatsah, I. E., & Rosyani, P. (2021). Perancangan Sistem Informasi Nilai Siswa Berbasis Website. Jurnal Kreativitas Mahasiswa Informatika, 2(1), 1–6.

10. Duckett, J. (2014). HTML and CSS: Design and Build Websites. Indianapolis: John Wiley & Sons.

11. Flanagan, D. (2020). JavaScript: The Definitive Guide (7th ed.).

12. Gea, A. F., Azizhi, A. M., Maharani, F., Ardhieka, Pg. A., Rafi, Regifaktian, Ridya, R. A., Mudzakir, R. A., Dewantara, S., Essa, W. G., Lingga, Rizal, M., & Kristianto, I. (2023). PENGENALAN BAHASA PEMROGRAMAN HTMLKEPADA SISWA SEKOLAH MENENGAH KEJURUAN. Jurnal Kreativitas Mahasiswa Informatika, 216–217.

13. Guntur, & Kamarudin. (2024). Penerapan Metode Naive Bayes Dengan Sistem Pakar Dalam Mendiagnosa Kerusakan Pada Mesin Mobil. Jurnal Ilmiah Sistem Informasi Dan Teknik Informatika (JISTI), 7(April), 177–186.

14. Hanafi, M. R., Simon, J., & Wahyuni, S. (2023). ANALISIS PERANCANGAN SISTEM PAKAR PENDETEKSI KERUSAKAN HARDWARE PADA KOMPUTER BERBASIS. 17, 1190–1206.

15. Handoyo, J. S., & Octavia, T. (2022). Perancangan Sistem PPIC Karoseri Minibus di PT. X. Jurnal Titra, 10(1), 159–166.

16. Martha, F., & Anggraini, D. (2021). Data Mining untuk Pemeliharaan Prediktif Mesin Produksi Berdasarkan Database Kerusakan Mesin Menggunakan Naïve Bayes Classfier. Jurnal Ilmiah KOMPUTASI, 20, 143–154.

17. Microsoft. (2024). Visual Studio Code Documentation. Microsoft.

18. Mubarak, R. (2020). IMPLEMENTASI METODE WHITE BOX TESTING PADA PROSES QUALITY ASSURANCE PERANGKAT LUNAK BERBASIS WEB DAN MOBILE COLLECTION SYSTEM. Jurnal Teknologi Informasi, XV(10), 57–63.

19. Nashiruddin, A. Z., & Hidayat, R. (2022). Perancangan Sistem Pakar Dalam Identifikasi Kerusakan Mesin Cuci Berbasis Naïve Bayes. JTEV (Jurnal Teknik Elektro Dan Vokasional).

20. Nuraini, I., Wibowo, A. H., Asrol, M., & Wilis, D. L. (2024). Analisis pemeliharaan prediktif kendaraan operasional menggunakan algoritma naïve bayes dan decision tree. Journal Publicuho, 7(2), 591–603.

21. Obe, R. O., & Hsu, L. S. (2017). PostgreSQL: Up and Running: A Practical Guide to the Advanced Open Source Database (3rd ed.). O’Reilly Media.

22. Pratala, C. T., Asyer, E. M., Prayudi, I., & Saifudin, A. (2020). Pengujian White Box pada Aplikasi Cash Flow Berbasis Android Menggunakan Teknik Basis Path. Jurnal Informatika Universitas Pamulang, 5(2), 111–119.

23. Pratama Putra, A., & Nardiono. (2022). Rancang Bangun Sistem Informasi Penjualan Kap Lampu Berbasis Web Pada Jaya Lamp. OKTAL : Jurnal Ilmu Komputer Dan Science, 1(9), 1398–1406. https://journal.mediapublikasi.id/index.php/oktal

24. Putra, I. K. N., Gunadi, I. G. A., & Sunarya, I. M. (2024). Klasifikasi Kualitas Biji Kopi Robusta Dengan Metode Naive Bayes berdasarkan Ukuran Biji , Tekstur , dan Warna. Jurnal SIMETRIS, 15(1), 167–176.

25. Ramírez, S. (2024). FastAPI Documentation. FastAPI.

26. Rizki, R., Nasution, A., Buaton, R., & Saragih, R. (2024). Indonesian Journal of Education And Computer Science Penerapan Metode Naive Bayes dalam Menentukan Diagnosa Kerusakan pada Smartphone. INDOTECH, 2(1), 24–33.

27. Saifudin. (2021). Penerapan Model Waterfall Dan Blackbox Testing Dalam Pembuatan Sistem Informasi E-Aset Desa Berbasis Web. Jurnal Informatics and Computer EngineeringJournal, 1(2), 14–18.

28. Saputri, E. (2025). Teknik dan aplikasi data mining di Indonesia : tinjauan literatur satu dekade (2015-2024). Jurnal Penerapan Teknologi Informasi Dan Komunikasi, 04, 138–149. https://doi.org/10.24246/itexplore.v4i2.2025.pp138-149

29. Sari, D. P., Halim, Z., Irlon, Waseso, B., & Saromah. (2024). Implementasi Machine Learning untuk Deteksi Intrusi pada Jaringan Komputer. Jurnal Minfo Polgan, 13(September), 1389–1394.

30. Shodikin, H., Montori, A., & Juliane, C. (2022). Sustainable Maintenance Melalui Prediksi Preventive Maintenance Di Plant Cold Roll Mills (CRM) PT. Krakatau Steel (Persero) Tbk Dengan Algoritma Naïve Bayes Classifier Dan Decision Tree. Jurnal Teknik Informatika Dan Sistem Informasi, 9(2), 876–890.

31. Suendri. (2022). Implementasi Database NoSQL Berbasis Cloud pada Sistem Informasi Geografis Bantuan Dana Desa Kabupaten Deli Serdang. Jurnal Teknologi Sistem Informasi Dan Aplikasi, 5(4), 292–296. https://doi.org/10.32493/jtsi.v5i4.38329

32. Suhendi, A., Fathoni, I., & Maulana, M. R. (2024). Perancangan Aplikasi Koperasi Simpan Pinjam Berbasis Mobile pada PT. JCO Donuts dan Coffee. Journal Information & Computer, 2(1), 1–8.

33. Syifa, M. Z., & Tsani, M. R. (2025). RANCANG BANGUN SISTEM PAKAR UNTUK MEMPREDIKSI KERUSAKAN PADA BUS MENGGUNAKAN METODE NAÏVE BAYES BERBASIS WEB. INFOMATEK: Jurnal Informatika, Manajemen Dan Teknologi, 27, 139–152. https://doi.org/10.23969/infomatek.v27i1.24743

34. Tri, B., & Rini, E. (2024). Sistem Informasi Pengarsipan Dokumen Berbasis Website dengan Metode Agile Software Development. Jurnal Teknologi Informasi, 10(1), 63–70.

35. Trihapningsari, D., & Putri, M. A. (2024). Perancangan Basis Data Sistem Reservasi Wisma Universitas Terbuka dengan Metode Database Life Cycle. Jurnal Teknologi Sistem Informasi Dan Aplikasi, 7(4), 1638–1646. https://doi.org/10.32493/jtsi.v7i4.45421

36. Wibagso, S. S., & Lia, E. (2020). Desain Model Database Layanan Panti Werdha dengan Menerapkan Metode Database Life Cycle. 6, 573–588.

37. Wijaya, H., Maulidani, B. C., & Romli, I. (2026). Analisis Defect Produk Ring Piston pada Line B- Ken Melalui Pengendalian Kualitas dengan Metode Six Sigma di PT XYZ. JUTIN : Jurnal Teknik Industri Terintegrasi, 9(1), 737–742. https://doi.org/10.31004/jutin.v9i1.54546