PREDIKSI WAKTU DAN BIAYA PROYEK KONSTRUKSI MENGGUNAKAN METODE EVM DAN ALGORITMA RANDOM FOREST = PREDICTION OF CONSTRUCTION PROJECT TIME AND COST USING EVM METHOD AND RANDOM FOREST ALGORITHM

Latar belakang. Keterlambatan waktu dan pembengkakan biaya merupakan permasalahan utama yang sering terjadi pada proyek konstruksi di Indonesia, yang umumnya disebabkan oleh kompleksitas pekerjaan, ketidakpastian kondisi lapangan, serta lemahnya sistem pengendalian proyek. Metode konvensional dalam memprediksi kinerja proyek sering kali belum mampu memberikan estimasi yang akurat dan adaptif terhadap perubahan dinamis selama pelaksanaan proyek. Oleh karena itu, diperlukan pendekatan yang mengintegrasikan metode manajemen proyek dan kecerdasan buatan, seperti Earned Value Management (EVM) dan algoritma Random Forest, untuk meningkatkan akurasi prediksi waktu dan biaya proyek konstruksi. Tujuan. Penelitian ini bertujuan untuk memprediksi waktu penyelesaian dan biaya akhir proyek konstruksi dengan mengombinasikan metode Earned Value Management (EVM) dan algoritma Random Forest, serta mengevaluasi tingkat akurasi model prediksi yang dihasilkan.Metode. Penelitian ini menggunakan pendekatan kuantitatif dengan memanfaatkan data historis proyek konstruksi yang meliputi Planned Value (PV), Earned Value (EV), Actual Cost (AC), Schedule Performance Index (SPI), dan Cost Performance Index (CPI). Metode EVM digunakan untuk menghitung indikator kinerja proyek, sedangkan algoritma Random Forest diterapkan untuk membangun model prediksi waktu dan biaya akhir proyek. Kinerja model dievaluasi menggunakan parameter statistik seperti Mean Absolute Error (MAE) dan koefisien determinasi (R²).Hasil. Hasil penelitian menunjukkan bahwa integrasi metode EVM dengan algoritma Random Forest mampu meningkatkan akurasi prediksi waktu dan biaya proyek dibandingkan dengan pendekatan EVM konvensional. Variabel SPI dan CPI memberikan kontribusi signifikan terhadap hasil prediksi, sementara model Random Forest menunjukkan kemampuan yang baik dalam menangkap pola nonlinier pada data proyek konstruksi.Kesimpulan. Kombinasi metode Earned Value Management dan algoritma Random Forest terbukti efektif dalam memprediksi waktu penyelesaian dan biaya akhir proyek konstruksi. Model yang dihasilkan dapat digunakan sebagai alat bantu pengambilan keputusan dalam pengendalian proyek, sehingga berpotensi meminimalkan risiko keterlambatan dan pembengkakan biaya secara lebih akurat dan adaptif.