Implementasi Algoritma Klasifikasi Random Forest Dalam Pengelolaan Pelaporan Aktivitas Pengguna Pada Sistem Manajemen Dokumen Berbasis Website Studi Kasus : Bbspjis

Pengelolaan dokumen dan pelaporan aktivitas pengguna di Balai Besar Standardisasi dan Pelayanan Jasa Industri Selulosa (BBSPJIS) masih dilakukan secara manual, menyebabkan masalah krusial seperti redundansi data, kesulitan pelacakan, dan akurasi rendah yang memperlambat pengambilan keputusan. Penelitian ini bertujuan merancang dan mengimplementasikan Sistem Manajemen Dokumen berbasis website yang mengintegrasikan algoritma klasifikasi Random Forest untuk mengotomatisasi pengelompokan aktivitas pengguna sebagai 'Normal' atau 'Anomali'. Metode yang digunakan adalah pendekatan deskriptif dengan model pengembangan Object-Oriented Analysis and Design (OOAD), diimplementasikan menggunakan Framework Laravel 11, PHP, dan basis data MySQL. Model Random Forest dilatih menggunakan 100 data aktivitas pengguna (70% data latih dan 30% data uji). Hasil evaluasi menunjukkan akurasi model sebesar 43,3%, presisi 50%, recall 43%, dan F1-score 46%, dengan nilai cross-validation rata-rata 0.67 ± 0.04. Meskipun akurasi tergolong moderat, temuan ini menunjukkan bahwa integrasi algoritma klasifikasi berhasil meningkatkan kemampuan sistem dalam mendeteksi pola aktivitas pengguna secara otomatis. Kesimpulannya, sistem yang dikembangkan mampu mengurangi redundansi data, mempercepat proses pelaporan, dan secara efektif mendukung pengambilan keputusan berbasis data di lingkungan BBSPJIS.
Kata Kunci: Random Forest, Sistem Manajemen Dokumen, Klasifikasi Aktivitas Pengguna, Laravel, BBSPJIS.