[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"doc-detail-124071-id":3,"doc-seo-124071-113":31,"detail-sidebar-cat-0-id-113":92},{"code":4,"msg":5,"data":6},0,"success",{"doc_id":7,"user_id":8,"nickname":9,"user_avatar":10,"doc_module":4,"category_id":11,"category_name":12,"doc_title":13,"doc_description":14,"doc_content":15,"file_id":16,"file_url":17,"file_type":18,"file_size":19,"view_count":20,"is_deleted":4,"is_public":21,"is_downloadable":21,"audit_status":21,"page_count":22,"language":23,"language_code":24,"site_id":25,"html_lang":24,"table_of_contents":26,"faqs":27,"seo_title":28,"seo_description":14,"update_tm":29,"read_time":30},124071,2336474466412,"Ezra","https://ap-avatar.wpscdn.com/davatar_155a257f0dc6eb9ab79c44ca47cae57d",54,"Penelitian & Laporan","Analisis Prediktif Menggunakan Machine Learning untuk Menanggulangi Masalah Reject Produk pada Proses Produksi PT. XYZ","Penelitian ini membahas analisis prediktif untuk menekan masalah reject pada proses produksi minuman isotonik PT. XYZ yang berfokus pada keamanan dan kualitas. Produk yang tidak memenuhi standar ketat, termasuk reject akibat tekanan botol, akan dikeluarkan untuk mencegah risiko pada konsumen. Data 2023 dari Liquid Nitrogen dan Bottle Pressure Detector dianalisis melalui EDA, lalu dimodelkan dengan XGBoost. Pemisahan 80% training dan 20% testing menghasilkan MAPE 6,88% dan akurasi 93,12%, serta prediksi reject sekitar 23 pada 1 Januari 2024 pukul 07:00 dan 22 pukul 08:00.","ANALISIS PREDIKTIF MENGGUNAKAN MACHINE LEARNING UNTUK MENANGGULANGI MASALAH REJECT PRODUK PADA PROSES PRODUKSI PT. XYZ  \nOleh  \nAdevian Fairuz Pratama1, Dhebys Suryani2, Firgi Sotya Izzudin3, Adzikirani4  \n1,2,3,4Politeknik Negeri Malang  \n[E-mail:](E-mail:1 adevianfairuz@polinema.ac.id)[1](E-mail:1 adevianfairuz@polinema.ac.id)[ adevianfairuz@polinema.ac.id](E-mail:1 adevianfairuz@polinema.ac.id), [2](2 dhebys.suryani@polinema.ac.id)[ dhebys.suryani@polinema.ac.id](2 dhebys.suryani@polinema.ac.id), [3](3 zzuuddiinn28@gmail.com)[ zzuuddiinn28@gmail.com](3 zzuuddiinn28@gmail.com), [4](4 adzikirani@polinema.ac.id)[ adzikirani@polinema.ac.id](4 adzikirani@polinema.ac.id)  \nArticle History:  \nReceived: 08-09-2024  \nRevised: 22-09-2024  \nAccepted: 11-10-2024  \nKeywords:  \nReject, Keamanan Dan Kualitas, Machine Learning, XGBoost, MAPE  \nAbstract: PT. XYZ adalah perusahaan makanan dan minuman di Indonesia, terkenal dengan minumanisotoniknya yang menggantikan cairan tubuh saataktivitas fisik.Produk ini populer di kalangan konsumenlokal dan internasional karena formulanya yang inovatif. PT. XYZ sangat menekankan kualitas, sehinggaproduk yang tidak memenuhi standar ketat, sepertitekanan botol, akan di-reject untuk memastikan keamanan dan kualitas. Penelitian ini menggunakan metode machine learning, khususnya XGBoost, untukanalisis prediktif. Data diambil dari mesin Liquid Nitrogen dan Bottle Pressure Detector, mencakup pressure bottle, temperatur tangki, sensor liquid nitrogen, dan lainnya pada tahun 2023. Data diolahdandianalisis untuk memastikan kesesuaian dengankebutuhan PT. XYZ dan kecocokan dengan metode XGBoost. Business Understanding mengidentifikasitujuan bisnis dan dampak deteksi tekanan botol. Data Understanding dilakukan dengan Exploratory Data Analysis (EDA). Data dibagimenjadi 80% untuk training dan 20% untuk testing. Data Preparation melibatkan preprocessing untuk membersihkan duplikasi dan missing value. Modeling menggunakan algoritma XGBoost dengan parameter learning_rate sebesar 0.5, gamma sebesar 2, max_depth sebesar 6, n_estimatorssebesar 100, colsample_bytree sebesar 0.4, subsamplesebesar 0.7, reg_lambda sebesar 3, dan min_child_weight sebesar 1 terbukti terbaik. Evaluasi menunjukkan nilai MAPE 6.88% dan akurasi 93.12%. Prediksi menunjukkan jumlah reject sekitar 23 pada 1 Januari 2024 pukul 07:00, dan sekitar 22 pukul 08:00. Rekomendasi untuk penelitian selanjutnya adalah menggunakan lebih banyak data dan menggabungkan XGBoost dengan model machine learning lainnya  \nPENDAHULUAN  \nPT. XYZ adalah sebuah perusahaan yang beroperasi di sektor minuman dan makanan di Indonesia. Perusahaan ini terkenal dengan produk unggulannya, yaitu produkminuman isotonik yang dirancang khusus untuk menggantikan cairan tubuhyang hilang selama aktivitas fisik intens.  \nProduk dari PT. XYZ ini telah menjadi salah satu pilihan populer di kalangan konsumen di Indonesia dan di beberapa pasar internasional. Minuman ini dikenal karena formulanya yang inovatif dan kemampuannya untuk memberikan hidrasi optimal bagi parakonsumennya.  \nProduk yang tidak memnuhi standar mutu yang tinggi dalam setiap tahapanproduksinya, sehingga tidak semua produk yang diproduksi dapat mencapai tahappenjualan. Komitmen terhadap kualitas ini memastikan bahwa hanya produk-produk yang memenuhi standar ketat yang disebarluaskan ke pasar, sehinggakonsumen dapat yakin akan keunggulan dan keamanan setiap produk dari PT. XYZ.Setiap produk yang tidak memenuhi standar mutu yang ditetapkan oleh PT.  \nXYZ akan secara tegas di-reject. Dalam proses pengawasan kualitas, terdapat berbagai jenis reject yang dapat terjadi, dan salah satu contohnya adalah reject yangterkait dengan masalah tekanan pada botol. Tindakan ini dilakukan guna memastikan bahwa setiap produk yang sampaikekonsumen adalah produk yang memenuhitingkat kualitastertinggi, termasuk dalam hal keamanan kemasan sepertitekanan pada botol.  \nReject terhadap masalah tekanan pada botol ini menjadi langkah penting dalam menjaga","cbCaicxUMztVeGKa","https://ap.wps.com/l/cbCaicxUMztVeGKa","pdf",694339,2,1,14,"Indonesian","id",113,"# Pendahuluan\n## Latar belakang PT. XYZ dan reject kualitas\n## Fokus penelitian prediktif dengan XGBoost\n# Landasan Teori\n## (Konten lanjutan tidak lengkap pada cuplikan)","[{\"question\":\"Apa tujuan penelitian ini dalam konteks reject produk PT. XYZ?\",\"answer\":\"Penelitian bertujuan membangun model prediktif menggunakan machine learning untuk membantu menanggulangi reject yang berkaitan dengan masalah tekanan botol, sehingga keamanan dan kualitas produk terjaga.\"},{\"question\":\"Data apa yang digunakan untuk membangun model prediksi reject?\",\"answer\":\"Data diambil dari mesin Liquid Nitrogen dan Bottle Pressure Detector, meliputi pressure bottle, temperatur tangki, sensor liquid nitrogen, dan variabel terkait pada tahun 2023.\"},{\"question\":\"Bagaimana performa model XGBoost yang digunakan pada penelitian ini?\",\"answer\":\"Model menghasilkan MAPE 6,88% dan akurasi 93,12%, dengan prediksi jumlah reject sekitar 23 pada 1 Januari 2024 pukul 07:00 dan sekitar 22 pukul 08:00.\"}]","Analisis Prediktif Menggunakan Machine Learning untuk Menanggulangi Masalah Reject Produk pada Proses Produksi PT. XYZ | PDF",1785820187,22,{"code":4,"msg":32,"data":33},"ok",{"site_id":25,"language":24,"slug":34,"title":13,"keywords":35,"description":14,"schema_data":36,"social_meta":87,"head_meta":89,"extra_data":91,"updated_unix":29},"predictive-analysis-using-machine-learning-to-handle-product-reject-issues-in-pt-xyz-production-process","",{"@graph":37,"@context":86},[38,54,69],{"@type":39,"itemListElement":40},"BreadcrumbList",[41,45,48,51],{"item":42,"name":43,"@type":44,"position":21},"https://docshare.wps.com","Home","ListItem",{"item":46,"name":47,"@type":44,"position":20},"https://docshare.wps.com/id/document/","Document",{"item":49,"name":12,"@type":44,"position":50},"https://docshare.wps.com/id/document/penelitian-laporan/",3,{"item":52,"name":13,"@type":44,"position":53},"https://docshare.wps.com/id/document/predictive-analysis-using-machine-learning-to-handle-product-reject-issues-in-pt-xyz-production-process/124071/",4,{"url":52,"name":13,"@type":55,"author":56,"headline":13,"publisher":58,"fileFormat":61,"inLanguage":24,"description":14,"dateModified":62,"datePublished":63,"encodingFormat":61,"isAccessibleForFree":64,"interactionStatistic":65},"DigitalDocument",{"name":9,"@type":57},"Person",{"url":42,"name":59,"@type":60},"DocShare","Organization","application/pdf","2026-08-15","2026-08-04",true,{"@type":66,"interactionType":67,"userInteractionCount":20},"InteractionCounter",{"@type":68},"ViewAction",{"@type":70,"mainEntity":71},"FAQPage",[72,78,82],{"name":73,"@type":74,"acceptedAnswer":75},"Apa tujuan penelitian ini dalam konteks reject produk PT. XYZ?","Question",{"text":76,"@type":77},"Penelitian bertujuan membangun model prediktif menggunakan machine learning untuk membantu menanggulangi reject yang berkaitan dengan masalah tekanan botol, sehingga keamanan dan kualitas produk terjaga.","Answer",{"name":79,"@type":74,"acceptedAnswer":80},"Data apa yang digunakan untuk membangun model prediksi reject?",{"text":81,"@type":77},"Data diambil dari mesin Liquid Nitrogen dan Bottle Pressure Detector, meliputi pressure bottle, temperatur tangki, sensor liquid nitrogen, dan variabel terkait pada tahun 2023.",{"name":83,"@type":74,"acceptedAnswer":84},"Bagaimana performa model XGBoost yang digunakan pada penelitian ini?",{"text":85,"@type":77},"Model menghasilkan MAPE 6,88% dan akurasi 93,12%, dengan prediksi jumlah reject sekitar 23 pada 1 Januari 2024 pukul 07:00 dan sekitar 22 pukul 08:00.","https://schema.org",{"og:url":52,"og:type":88,"og:title":13,"og:site_name":59,"og:description":14},"article",{"robots":90,"canonical":52},"index,follow",{"doc_id":7,"site_id":25},{"code":4,"msg":5,"data":93},[94,99,103,107,111,115,117,121,125,129,133],{"id":95,"doc_module":4,"doc_module_name":47,"category_name":96,"show_sort_weight":97,"slug":98},55,"Agama & Spiritualitas",60,"religion-spirituality",{"id":100,"doc_module":4,"doc_module_name":47,"category_name":101,"show_sort_weight":97,"slug":102},48,"Cerita & Novel","story-novel",{"id":104,"doc_module":4,"doc_module_name":47,"category_name":105,"show_sort_weight":97,"slug":106},56,"Gaya Hidup","lifestyle",{"id":108,"doc_module":4,"doc_module_name":47,"category_name":109,"show_sort_weight":97,"slug":110},51,"Komik","comic",{"id":112,"doc_module":4,"doc_module_name":47,"category_name":113,"show_sort_weight":97,"slug":114},53,"Layanan Kesehatan","healthcare",{"id":11,"doc_module":4,"doc_module_name":47,"category_name":12,"show_sort_weight":97,"slug":116},"research-report",{"id":118,"doc_module":4,"doc_module_name":47,"category_name":119,"show_sort_weight":97,"slug":120},49,"Sastra","literature",{"id":122,"doc_module":4,"doc_module_name":47,"category_name":123,"show_sort_weight":97,"slug":124},52,"Teknologi","technology",{"id":126,"doc_module":4,"doc_module_name":47,"category_name":127,"show_sort_weight":97,"slug":128},50,"Ujian","exam",{"id":130,"doc_module":4,"doc_module_name":47,"category_name":131,"show_sort_weight":97,"slug":132},57,"Umum","general",{"id":134,"doc_module":4,"doc_module_name":47,"category_name":135,"show_sort_weight":4,"slug":136},181,"Formulir","formulir"]