Chart 1: Sebaran Profit Operasional

Chart 2:Hubungan Revenue vs Cost (Scatter)

Chart 3: Efisiensi per Wilayah

Chart 4:Intensitas Produksi vs Hasil Ore

Chart 5:Intensitas Produksi vs Hasil Ore

Insights EDA

Chart 1: Sebaran Profit Operasional

Chart ini menunjukkan bahwa distribusi profit operasional tidak merata dan cenderung miring ke kanan. Sebagian besar operasi menghasilkan profit pada tingkat menengah, sementara hanya sebagian kecil operasi yang menghasilkan profit sangat tinggi. Hal ini menandakan adanya ketimpangan kontribusi profit, di mana beberapa operasi berperan dominan terhadap total keuntungan. Pola ini umum terjadi pada industri pertambangan yang dipengaruhi oleh skala produksi dan efisiensi operasional.

Chart 2: Hubungan Pendapatan dan Biaya Operasional

Scatter plot memperlihatkan bahwa peningkatan biaya operasional tidak selalu diikuti oleh peningkatan pendapatan yang sebanding. Meskipun terdapat kecenderungan hubungan positif, penyebaran data cukup luas. Operasi dengan risiko rendah cenderung lebih stabil, sedangkan operasi berisiko tinggi menunjukkan fluktuasi pendapatan yang besar. Hal ini menegaskan bahwa efisiensi dan manajemen risiko lebih penting daripada sekadar besarnya biaya.

Chart 3: Perbandingan Efisiensi per Wilayah

Boxplot menunjukkan adanya perbedaan tingkat efisiensi operasional antar wilayah. Sulawesi memiliki median efisiensi relatif lebih tinggi, Kalimantan menunjukkan kestabilan, sementara Papua memiliki variasi efisiensi paling besar. Perbedaan ini mengindikasikan bahwa faktor geografis dan operasional berpengaruh signifikan terhadap efisiensi, sehingga strategi pengelolaan perlu disesuaikan dengan karakteristik wilayah.

Chart 4: Intensitas Produksi vs Hasil Ekstraksi (Bubble Chart)

Chart ini menunjukkan hubungan antara intensitas produksi dan jumlah bijih (ore) yang berhasil diekstraksi. Secara umum, peningkatan intensitas produksi diikuti oleh peningkatan hasil ekstraksi. Namun, sebaran bubble yang cukup lebar menandakan bahwa pada tingkat produksi yang sama, hasil yang diperoleh dapat berbeda, sehingga efisiensi produksi tidak seragam di setiap site. Ukuran bubble yang merepresentasikan profit juga menunjukkan bahwa produksi tinggi tidak selalu menghasilkan profit yang besar.

Chart 5: Persentase Profil Risiko (Donut Chart)

Chart ini menggambarkan distribusi site berdasarkan tingkat risiko operasional. Mayoritas site berada pada kategori risiko rendah, yang menunjukkan kondisi operasional yang relatif stabil. Meskipun demikian, proporsi site dengan risiko menengah dan tinggi tetap signifikan, sehingga memerlukan perhatian khusus karena berpotensi menurunkan kinerja produksi dan profit secara keseluruhan.

Insights Regresi

Akurasi Prediksi Profit (Regresi Linear Berganda)

Visualisasi ini menunjukkan kemampuan model regresi linear berganda dalam memprediksi profit tambang serta kontribusi setiap variabel input.

• operational_cost dan efficiency_index merupakan faktor paling berpengaruh terhadap profit, menandakan bahwa pengelolaan biaya dan efisiensi operasional adalah penentu utama keuntungan.

• production_intensity memiliki pengaruh sedang, sedangkan ore_extracted memberikan kontribusi paling kecil secara langsung.

• Scatter plot antara nilai aktual dan prediksi memperlihatkan sebagian besar titik berada dekat garis ideal, yang menandakan akurasi model cukup baik, meskipun terdapat deviasi pada nilai profit ekstrem.

Inti informasi: Model regresi linear mampu menangkap hubungan utama antara variabel operasional dan profit, serta layak digunakan sebagai model prediksi dasar.

Insights Klasifikasi

Faktor Penentu Risiko Shutdown (Random Forest)

Chart ini menampilkan tingkat kepentingan variabel dalam menentukan risiko penutupan tambang menggunakan model Random Forest.

• safety_compliance_score menjadi faktor paling dominan, menunjukkan bahwa aspek keselamatan adalah indikator utama risiko shutdown.

• ore_extracted dan equipment_workload juga berpengaruh besar, mencerminkan risiko operasional akibat beban kerja dan volume ekstraksi.

• efficiency_index dan operational_noise berperan sebagai faktor pendukung dalam meningkatkan atau menurunkan risiko.

Inti informasi: Risiko shutdown lebih ditentukan oleh faktor keselamatan dan kondisi operasional daripada faktor finansial semata.

Insights Klastering

Segmentasi Kelompok Performa Tambang

Visualisasi klaster mengelompokkan tambang berdasarkan biaya dan keuntungan menjadi tiga segmen performa.

• Klaster biaya rendah–profit tinggi mencerminkan tambang dengan efisiensi optimal.

• Klaster biaya tinggi–profit rendah menunjukkan tambang yang kurang efisien dan memerlukan evaluasi operasional.

• Klaster biaya tinggi–profit tinggi merepresentasikan tambang berskala besar dengan potensi keuntungan tinggi namun berisiko.

Inti informasi: Segmentasi ini membantu memahami perbedaan karakteristik performa tambang dan mendukung strategi pengelolaan yang berbeda untuk tiap kelompok.

Insights Time Series

Evaluasi Profit: Historis, Tren, dan Prediksi ARIMA

Chart ini menggambarkan dinamika profit tambang dari waktu ke waktu serta hasil peramalan.

• Data historis menunjukkan fluktuasi profit yang tinggi.

• Garis tren (moving average) memperlihatkan arah umum profit yang relatif stabil.

• Prediksi ARIMA memberikan estimasi profit masa depan dengan rentang ketidakpastian yang meningkat seiring waktu.

Inti informasi: Model time series efektif untuk memahami pola historis dan memproyeksikan profit jangka pendek, sekaligus menunjukkan tingkat risiko prediksi.