MENINGKATKAN PENGELOLAAN INSIDEN LAYANAN TI MELALUI KLASIFIKASI INSIDEN RANDOM FOREST

Penanganan insiden secara cepat dan tepat merupakan aspek krusial dalam menjaga kualitas layanan teknologi informasi, namun proses klasifikasi insiden yang dilakukan secara manual sering menyebabkan keterlambatan dan ketidakkonsistenan prioritisasi. Penelitian ini bertujuan meningkatkan efektivitas pengelolaan insiden dengan menerapkan algoritma Random Forest untuk mengklasifikasikan tingkat keparahan insiden berdasarkan data historis. Dataset insiden diproses melalui tahapan Extract, Transform, Load (ETL), kemudian dilakukan praproses dan pembagian data menjadi data latih dan data uji. Model Random Forest dibangun menggunakan parameter dasar dan dievaluasi menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model mencapai akurasi sebesar 71%, dengan precision, recall, dan F1-score masing-masing sebesar 75%. Confusion matrix memperlihatkan model mampu mengenali pola insiden secara cukup konsisten meskipun masih terdapat beberapa kesalahan prediksi. Analisis feature importance juga menunjukkan bahwa Duration dan Priority menjadi fitur yang paling berpengaruh dalam proses klasifikasi. Temuan ini menunjukkan bahwa model Random Forest dapat digunakan sebagai alat bantu untuk meningkatkan konsistensi dan kecepatan dalam proses identifikasi dan prioritisasi insiden layanan TI.