PENGARUH JUMLAH KATEGORI TERHADAP AKURASI MACHINE LEARNING DI PT BERAU COAL AREA BINUNGAN MINING OPERATION 2 (BMO)

Seiring berkembangnya jaman, ilmu pengetahuan mengalami perkembangan dari masa ke masa. Perkembangan teknologi yang semakin modern dan sistem yang menggunakan komputer diperlukan dalam bidang-bidang
tertentu. Penggunaan teknologi informasi saat ini telah masuk ke dalam aspek kehidupan manusia sehari-hari. Salah satu perkembangan dari teknologi informasi yaitu Artificial Intelligence (AI) atau biasa disebut dengan kecerdasan buatan. Artificial intelligence memiliki beberapa sub bidang salah satunya yaitu Machine Learning (ML). PT Berau Coal pada saat ini sedang mengembangkan teknologi berbasis machine learning salah satunya untuk membantu pengawasan langsung berjarak di area kegiatan operasional pertambangan. Machine learning yang digunakan untuk pengawasan berjarak saat ini disebut Mining Eyes Analytics (MEA). Mining eyes analytics merupakan pengembangan dari mining eyes sebelumnya. Tujuan dari penelitian ini yaitu untuk mengetahui pengaruh jumlah kategori terhadap akurasi model machine learning mining eyes analytics di PT Berau Coal Site BMO 2. Penelitian ini dilakukan menggunakan metode kuantitatif dengan perhitungan rumus slovin dan perhitungan akurasi yaitu recall dengan
jumlah sampel 362 data gambar. Hasil dari penelitian ini setelah dilakukan pengujian didapat bahwa proses training akurasi tertinggi berada di 6 kategori sebesar 57% dan 3 kategori sebesar 55%. Kemudian akurasi pada proses testing
didapatkan hasil bahwa tingkat akurasi tertinggi person berada di 3 kategori sebesar 80,77%, tingkat akurasi HD tertinggi berada di 3 kategori sebesar 89,92%, dan tingkat akurasi LV tertinggi berada di 6 kategori sebesar 67,44%. Dapat disimpulkan bahwa jumlah kategori terhadap akurasi model machine learning berpengaruh signifikan dalam besarnya tingkat akurasi. Hal ini bisa terjadi dikarenakan banyaknya kategori yang digunakan sehingga model sulit untuk menerima informasi yang diterima. Kemudian dalam memberikan data gambar yang kurang bervariasi juga menjadi penyebab model salah dalam mendeteksi objek.

Kata Kunci: Akurasi, Kategori, Machine Learning, Training, Testing