Prediksi Cacat Lempeng Baja Menggunakan Algoritma Bagging: Pendekatan Machine Learning untuk Peningkatan Kualitas Produksi

Abstract

Industri baja memiliki peran krusial dalam berbagai sektor, menjadi faktor kunci dalam memastikan integritas struktural produk akhir. Penelitian ini bertujuan untuk mengatasi masalah ini dengan menerapkan algoritma Bagging dalam prediksi cacat lempeng baja. Hasil model training dengan kurva ROC dengan nilai AUC 99% dab logloss 0,14. Pengukuran precision, recall, dan f1 score untuk 7 jenis cacat baja memperoleh prosentase yang sangat baik (lebih dari 90%). Confusion Matrix menunjukan korelasi yang kuat antara jenis cacat ke 6 dan ke 5. Sedangkan validasi, antara jenis cacat ke 4 dan ke 0 terdapat hubungan yang sangat kuat. Classification report menunjukan nilai precision, recall, dan f1 score terbaik (lebih dari 80%) untuk jenis cacat ke 1, 2, dan 3. Nilai AUC yang cukup baik yaitu 88% dan Logloss yang cukup besar yaitu 3,13. Penelitian selanjutnya dapat fokus untuk meningkatkan nilai logloss yang masih harus diperbaiki untuk proses validasi.