Prediksi Kerusakan Barang pada Pengiriman Jasa Layanan Angkutan Darat (Trucking) dengan Naïve Bayes

Prediction of Goods Damage in Land Freight Transport Services (Trucking) Using Naïve Bayes

Transportasi darat memainkan peran penting dalam mendukung dinamika ekonomi nasional. Namun, salah satu tantangan utama yang dihadapi adalah kerusakan barang selama proses pengiriman. Penelitian ini bertujuan untuk menganalisis faktor-faktor yang memengaruhi kerusakan barang serta memprediksi kemungkinan terjadinya kerusakan dengan menggunakan metode Naïve Bayes. Studi kasus dilakukan pada PT. Tuntas Smart Solusi, sebuah perusahaan logistik yang berbasis di Gresik, Jawa Timur. Penelitian ini menggunakan pendekatan Knowledge Discovery in Databases (KDD) untuk mengolah data historis pengiriman barang dari tahun 2021 hingga 2023. Data yang digunakan mencakup informasi tentang jenis barang, rute pengiriman, kondisi cuaca, dan beban muatan.

Proses penelitian meliputi seleksi data, preprocessing, transformasi, analisis data, hingga evaluasi model. Metode Naïve Bayes dipilih karena keefektifannya dalam klasifikasi data berdasarkan probabilitas. Hasil penelitian menunjukkan bahwa faktor-faktor seperti kondisi cuaca, kelebihan muatan, dan jenis rute memiliki pengaruh terhadap tingkat kerusakan barang. Meskipun hubungan antar variabel menunjukkan tingkat signifikansi yang berbeda-beda, algoritma ini mampu menghasilkan prediksi dengan akurasi tinggi melalui evaluasi menggunakan k-fold cross-validation.

Penelitian ini memberikan rekomendasi strategis bagi perusahaan untuk meningkatkan efisiensi manajemen logistik, seperti pengoptimalan proses pengemasan, pelatihan staf, dan pemilihan rute pengiriman yang lebih aman. Selain itu, hasil penelitian diharapkan dapat digunakan sebagai referensi oleh perusahaan logistik lain dalam menerapkan teknologi analitik prediktif. Kontribusi dari penelitian ini tidak hanya bermanfaat secara praktis bagi PT. Tuntas Smart Solusi, tetapi juga memberikan dampak signifikan dalam pengembangan literatur akademis dan inovasi di bidang logistik nasional.

Kata Kunci: Transportasi darat, Kerusakan barang, Prediksi, Naïve Bayes, Knowledge Discovery in Databases (KDD)

Land transportation plays a crucial role in supporting the national economic dynamics. However, one of the primary challenges is cargo damage during the delivery process. This study aims to analyze the factors influencing cargo damage and predict the likelihood of damage using the Naïve Bayes method. A case study was conducted at PT. Tuntas Smart Solusi, a logistics company based in Gresik, East Java. This research employs the Knowledge Discovery in Databases (KDD) approach to process historical shipping data from 2021 to 2023, encompassing information on cargo types, shipping routes, weather conditions, and load capacities.

The research process includes data selection, preprocessing, transformation, data analysis, and model evaluation. Naïve Bayes was chosen for its efficiency in probabilistic data classification. The findings reveal that factors such as weather conditions, overload, and route types influence the rate of cargo damage. While the relationships between variables exhibit varying levels of significance, the algorithm demonstrates high predictive accuracy, validated through k-fold cross-validation.

This study offers strategic recommendations for companies to enhance logistics management efficiency, such as optimizing packaging processes, staff training, and selecting safer shipping routes. Furthermore, the findings are expected to serve as a reference for other logistics companies in adopting predictive analytics technology. The contributions of this research not only provide practical benefits for PT. Tuntas Smart Solusi but also significantly impact academic literature and innovation in the national logistics sector.

Keywords: Land transportation, Cargo damage, Prediction, Naïve Bayes, Knowledge Discovery in Databases (KDD)