Perangkat Closed Circuit Television (CCTV) memiliki peran penting dalam
menjaga keamanan pada lokasi ATM BRI. Kerusakan perangkat CCTV dapat
mengurangi efektivitas pengawasan, meningkatkan biaya pemeliharaan, serta
berpotensi menimbulkan gangguan keamanan. Penelitian ini bertujuan
mengidentifikasi kerusakan perangkat CCTV menggunakan algoritma Random
Forest berbasis data historis serta mengetahui faktor-faktor yang memengaruhi
terjadinya kerusakan. Data yang digunakan merupakan data historis kerusakan
CCTV dari PT. Bringin Gigantara Palembang pada 10 lokasi ATM BRI sebanyak
100 data. Tahapan penelitian meliputi data preprocessing, pembagian data latih dan
data uji, implementasi algoritma Random Forest, hyperparameter tuning
menggunakan GridSearchCV, serta evaluasi model menggunakan Confusion
Matrix dan ROC Curve.
Hasil penelitian menunjukkan bahwa model Random Forest menghasilkan
akurasi sebesar 95% dengan precision 92%, recall 100%, F1-score 96%, dan
weighted average F1-score sebesar 95%. Selain itu, nilai AUC sebesar 0,90
menunjukkan bahwa model memiliki kemampuan klasifikasi yang sangat baik.
Analisis feature importance menunjukkan bahwa kondisi kabel, usia perangkat, dan
kualitas daya listrik merupakan faktor yang paling berpengaruh terhadap kerusakan
perangkat CCTV. Berdasarkan hasil tersebut, algoritma Random Forest mampu
mengidentifikasi kerusakan perangkat CCTV secara akurat sehingga dapat
mendukung penerapan predictive maintenance untuk mengurangi downtime dan
meningkatkan efektivitas pemeliharaan perangkat CCTV di lokasi ATM BRI.
Kata kunci: CCTV, Random Forest, machine learning, predictive
maintenance, data historis.