Prediksi Track Quality Index (Tqi) Menggunakan Pendekatan Bayesian Network pada Lintas Semarang Poncol-Ujungnegoro

Abstract

Kualitas jalan rel merupakan faktor penting yang mempengaruhi keselamatan dan keandalan operasi kereta api. Salah satu indikator yang digunakan untuk menganalisa kualitas jalan rel adalah Track Quality Index (TQI), yang diperoleh dari pengukuran menggunakan kereta ukur. Namun, keterbatasan ketersediaan data TQI mendorong perlunya metode alternatif untuk memprediksi kondisi kualitas rel secara efektif. Penelitian ini bertujuan untuk mengetahui parameter yang paling berpengaruh terhadap TQI dan mengetahui tingkat akurasi model. Metode yang digunakan untuk membuat model prediksi Track Quality Index (TQI) adalah Bayesian Network. Data yang digunakan merupakan data sekunder hasil pengukuran geometri rel yang meliputi angkatan, pertinggian, listringan, dan lebar sepur. Pemodelan Bayesian Network dilakukan dengan menyusun struktur Directed Acyclic Graph (DAG) dan Conditional Probability Table (CPT) menggunakan perangkat lunak GeNIe 5.0. Proses pembelajaran parameter dilakukan dengan algoritma Expectation Maximization (EM), sedangkan validasi model dilakukan menggunakan metode Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa model Bayesian Network mampu memprediksi nilai TQI dengan tingkat akurasi sampai dengan 97%, ditunjukkan oleh nilai MAPE sebesar 3% sehingga memenuhi kriteria kelayakan. Selain itu, berdasarkan uji sensitivitas urutan parameter yang paling berpengaruh terhadap TQI adalah pertinggian, lebar sepur, angkatan dan listringan. Penelitian ini diharapkan dapat menjadi dasar pengambilan keputusan pemeliharaan jalan rel berbasis probabilitas yang lebih efektif dan efisien, khususnya pada lintas dengan keterbatasan data pengukuran TQI.