Pelabuhan Tanjung Priok menghadapi masalah kongesti operasional yang memengaruhi efisiensi layanan kapal. Penelitian ini mengklasifikasikan tingkat kongesti pergerakan kapal menggunakan pendekatan machine learning, berdasarkan data primer log operasional dari Pelindo Jasa Maritim Regional 2 periode Januari–Desember 2025, yang diagregasi per jam menjadi 7.244 observasi. Fitur yang digunakan mencakup aliran gerak kapal, karakteristik layanan, rasio ukuran dan jenis kapal, serta variabel temporal. Label kepadatan (Rendah, Sedang, Tinggi) ditentukan secara Data-driven melalui pendekatan quantile-based pada rasio utilisasi sistem pelayanan paralel Multi Server , menghasilkan distribusi kelas yang seimbang (±33% per kelas). Dua algoritma, Random forest dan XGBoost , diuji dalam kondisi Baseline dan setelah Tuning Hyperparameter via GridsearchCV . XGBoost Tuned terpilih sebagai model terbaik dengan akurasi 0,8903, precision macro 0,8914, recall macro 0,8907, dan F1-score macro 0,8910. Fitur TOTAL_ARRIVE, AVG_PILOTAGE, AVG_TUGGING, dan TOTAL_EVENT terbukti paling dominan memengaruhi tingkat kongesti. Hasil ini menjadi dasar pengembangan sistem early warning dan Decision support berbasis data untuk mendukung pengambilan keputusan operasional Pelindo Jasa Maritim secara proaktif.

S12629

INF 0151 2026

Bekasi

Tersedia