Excavator merupakan alat berat yang digunakan untuk memudahkan manusiadan mempercepat
dalam melakukan pekerjaan pembangunan dan penggalian proyek. Excavator merupakan faktor
terpenting dalam sebuah proyek, terutama proyek-proyek konstruksi maupun pertambangan
ataupun kegiatan lainnya yang berskala besar. Oleh karena itu kondisi dari alat berat excavator
ini harus selalu diperhatikan dengan melakukan servis, terutama pada saat setelah digunakan
untuk menjamin keselamat dalam proyek. Akan tetapi biaya untuk servis exacavator cukup
tinggi,sehingga perlu adanya perencanaan keuangan dengan tepat supaya aliran dana
perusahaan tetap terjaga. Berdasarkan masalah tersebut perlu dibuatnya sistem yang akan
memudahkan pengelola untuk mengetahui berapa estimasi biaya yang dikeluarkan untuk
melakukan servis berdasarkan kondisi exacavator. Data yang digunakan pada tugas akhir ini
merupakan data kondisi exacavator. Data tersebut berbentuk data binary, sehingga pendekatan
metode Tree cocok untuk digunakan. Salah satu metode dengan pendekatan Tree yang terbukti
menghasilkan akurasi yang terbaik adalah metode Random Forest, sehingga pada tugas akhir
ini menggunakan Metode Random Forest. Data yang digunakan adalah data history servis alat
berat Exavator pada tahun 2019 – 2023. Dari hasil penelitian yang dilakukan, penelitian ini
menunjukan bahwa metode random menggunakan hyperaparameter tuning grid search
menghasilkan parameter, nestimator = 12, maxfeatures = 6, maxleafnodes = 6,
minsamplesleaf = 2 dengan nilai MAPE = 13,83% dan Nilai RMSE = Rp. 530653 , dengan
parameter terbaik yang didapatkan kemudian di deployment kedalam website random forest
regresi dengan parameter terbaik yang telah dilakukan
.
Kata Kunci: Excavator, MAPE, Random Forest,Random Forest Regresi, RMSE