Optimalisasi Keputusan Jumlah Penyedia dan Alokasi Order Menggunakan Model Machine Learning di PT PLN (Persero): Studi Kasus Perencanaan Pengadaan Kontrak Kesepakatan Harga Satuan Transformator Tenaga
Downloads
Pengadaan transformator tenaga di PT PLN (Persero) saat ini masih mengandalkan pendekatan Harga Evaluasi Akhir sehingga data kinerja penyedia yang multidimensi belum dimanfaatkan secara optimal dalam keputusan alokasi pesanan. Penelitian ini mengembangkan kerangka kerja Supplier Selection and Order Allocation (SSOA) berbasis machine learning menggunakan algoritma Decision Tree, Random Forest, dan XGBoost dengan data historis pengadaan transformator tenaga periode 2023–2025. Kinerja penyedia dimodelkan berdasarkan dimensi biaya, ketepatan waktu, kualitas, dan risiko kontraktual untuk menghasilkan klasifikasi kinerja penyedia. Hasil evaluasi menunjukkan bahwa Random Forest dipilih sebagai model terbaik dengan nilai macro-AUC sebesar 0,9882. Hasil klasifikasi menunjukkan dua penyedia berada pada Tier 1, satu penyedia pada Tier 2, dan tiga penyedia pada Tier 3, serta menghasilkan rekomendasi satu hingga tiga penyedia yang layak untuk setiap varian transformator. Pendekatan ini merekomendasikan penentuan jumlah penyedia dan alokasi order yang lebih objektif dan berbasis data dibandingkan pendekatan yang hanya berorientasi pada harga. Penelitian ini berhasil mengintegrasikan model tree-based machine learning dengan kerangka Supplier Selection and Order Allocation (SSOA) menggunakan 18 variabel dari data historis pengadaan PT PLN (Persero) periode 2023–2025
Adli, K. (2022). Perancangan key risk indicator sebagai sistem peringatan dini dalam usaha mitigasi risiko (Studi kasus: PT PLN (Persero) Unit Penyaluran dan Pusat Pengatur Beban Sistem (UP3B) Kalimantan Barat).
Alhidayatullah, S. M. (2024). Manajemen rantai pasok modern: Strategi, desain, dan kinerja dalam era dinamis. PT Kimhsafi Alung Cipta.
Azizah, N. Q. El. (2025). Optimasi pemilihan supplier dan penentuan ukuran pemesanan pada pengadaan kemasan multi-item dan multi-periode.
Ghorabaee, M. K. (2023). Sustainable supplier selection and order allocation using an integrated ROG-based type-2 fuzzy decision-making approach. Mathematics, 11(9), Article 2014. https://doi.org/10.3390/math11092014
Habiby, J. S. (2026). Sistem tenaga listrik. In Pengantar teknik elektro (p. 105).
Hayati, E. N., Jauhari, W. A., Damayanti, R. W., & Rosyidi, C. N. (2025). An integrated analytics model for supplier selection and order allocation with machine learning and multi-criteria optimization. Decision Analytics Journal, 16, Article 100599. https://doi.org/10.1016/J.DAJOUR.2025.100599
Maulana, I. (2024). LKP Ilham Maulana 218120009: Pemahaman dan perawatan pada sistem jaringan distribusi di PT PLN (Persero) ULP Medan Sunggal.
Meridiana, O., Julita, V., & Zefriyenni. (2026). Keseimbangan dinamis: Memahami mekanisme harga di pasar modern. Fahmi Karya.
Polo-Triana, S., Gutierrez, J. C., & Leon-Becerra, J. (2024). Integration of machine learning in the supply chain for decision making: A systematic literature review. Journal of Industrial Engineering and Management, 17(2), 344–372. https://doi.org/10.3926/jiem.6403
Putra, I. A. A., Takdir, R. A., Makmur, I. M., Wibowo, A. H., Dukalang, S. S. S. A., Gusty, S., & Munansar, I. (2026). Transportasi logistik dan rantai pasok. Arsy Media.
Putri, M. A. (2024). Peran manajemen risiko dalam logistik pada manajemen rantai pasokan: Dwelling time di pelabuhan. Jurnal Ilmiah Wahana Pendidikan, 10(24), 63–71.
Rahardian, K., Riastuti, R., & Zakiyuddin, A. (2024). Prediksi sisa umur layan dan analisa risiko pada power transformer menggunakan pendekatan distribusi Weibull dan risk priority number. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 4(1). https://doi.org/10.57152/malcom.v4i1.1068
Saltelli, A., Ratto, M., Andres, T., Campolongo, F., Cariboni, J., Gatelli, D., Saisana, M., & Tarantola, S. (2008). Global sensitivity analysis: The primer. John Wiley & Sons.
Santosa, B. (2023). Data mining untuk business analytics dengan Python. Penebar Media Pustaka.
Saragih, D. P. A. (2024). LKP Devin Prayoga Agustira Saragih 218120037: Optimalisasi pemeliharaan transmisi tegangan rendah dalam upaya mengurangi gangguan listrik PT PLN Nusantara Power UP Belawan.
Shirkouhi, S. N., Jalalat, S. M., Sangari, M. S., Sepehri, A., & Vandchali, H. R. (2023). A robust-fuzzy multi-objective optimization approach for a supplier selection and order allocation problem: Improving sustainability under uncertainty. Computers & Industrial Engineering, 186, Article 109757. https://doi.org/10.1016/j.cie.2023.109757
Shohibah, E. S. (2022). Laporan kuliah kerja magang (KKM) bagian pengadaan barang dan jasa PT PLN UP3 Mojokerto.
Siti, M. R. (2025). Analisis kinerja dan mitigasi risiko rantai pasok sayuran hidroponik di Kota Bandar Lampung (Studi kasus pada Pusat Pelatihan Pertanian dan Perdesaan Swadaya (P4S) Jaya Anggara Farm) [Skripsi, Universitas Lampung].
Togatorop, A. T. (2024). LKP Andreas Tiopan Togatorop 208120007: Sistem pemeliharaan gardu distribusi PT PLN (Persero).
Wanti, N. A. S. (2023). Laporan kuliah kerja magang (KKM): Analisis e-procurement terhadap prosedur pengadaan barang dan jasa PT PLN UP3 Mojokerto.
Copyright (c) 2026 Firchi Ictiasha, Budi Santosa
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution-ShareAlike 4.0 International (CC-BY-SA). that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
