PT Rekayasa Industri menghadapi tantangan dalam proses penentuan lokasi pengelasan yang
dilakukan secara manual menggunakan Microsoft Excel, yang memakan waktu 5-10 menit per titik dan
rentan terhadap human error. Penelitian ini bertujuan untuk mengembangkan sistem pendukung
keputusan (SPK) berbasis web untuk mengotomatisasi proses tersebut, sehingga menjadi lebih cepat dan
akurat. Metodologi yang digunakan adalah Cross Industry Standard Process for Data Mining (CRISP-DM),
yang mencakup tahapan Business Understanding, Data Understanding, Data Preparation, Modeling,
Evaluation, dan Deployment. Empat model klasifikasi diuji, yaitu K-Nearest Neighbors (KNN), Logistic
Regression, Decision Tree, dan Random Forest. Hasil evaluasi menunjukkan bahwa model Random Forest
memiliki performa terbaik dengan akurasi 86,52%, serta precision, recall, dan F1-score rata-rata
tertimbang sebesar 0,87. Sistem yang dibangun dengan Python Flask, MySQL, dan antarmuka berbasis
HTML/CSS/JavaScript ini mampu memangkas waktu prediksi menjadi 1-3 detik untuk data tunggal dan 3-
7 detik untuk data massal. Dengan demikian, sistem ini berhasil mencapai tujuannya untuk meningkatkan
efisiensi waktu dan akurasi keputusan secara signifikan dibandingkan metode manual.