Identifikasi Parameter Kritis Mesin Pengolah CPO untuk Reduksi Oil Losses Melalui Pemodelan Decision Tree

Abstract

Tingginya oil losses pada stasiun digester dan screw press yang mencapai 3–4% (standar operasional 2–3%) berpotensi menurunkan rendemen CPO dan efisiensi produksi. Penelitian ini bertujuan mengklasifikasikan level oil losses menggunakan algoritma Decision Tree berbasis data variabel proses (tekanan, suhu, dan waktu proses). Hasil pemodelan menunjukkan bahwa tekanan merupakan parameter paling dominan dalam menentukan klasifikasi oil losses, bertindak sebagai root node pada pemisahan pertama (ambang batas 37 mbar), diikuti oleh parameter suhu (ambang batas 95°C) dan waktu proses (ambang batas 39 menit). Evaluasi menggunakan Confusion Matrix menghasilkan akurasi model sebesar 57,45% (27 dari 47 data uji terklasifikasi dengan benar), dengan sensitivitas 56,52%, spesifisitas 58,33%, serta nilai Cohen's Kappa sebesar 0,1486. Meskipun model Decision Tree terbukti mampu memetakan pola dan hubungan antar-parameter operasional secara transparan, performa klasifikasi masih perlu dioptimalkan agar prediksi yang dihasilkan lebih akurat dan andal sebagai dasar pengambilan keputusan teknis.