Tugas Akhir Sarjana
Analisis Perbandingan Klasifikasi Model Linear dan Non-Linear Pada Hasil Getaran Gearbox Dari Sensor Vibration Menggunakan Algoritma Machine Learning
- Share to:
PT. Integral Industrial Indonesia merupakan perusahaan yang bergerak dibidang lingkungan
industial yang kompleks, dimana optimalisasi desain, operasi, dan pemeliharaan aset merupakan hal yang
sangat penting. Penelitian ini bertujuan untuk menentukan model machine learning terbaik dengan
menggunakan metode klasifikasi linier dan non-linier. Dalam pengumpulan datanya diambil dari
perusahaan yang berkerja sama dengan PT. Intergral Industrial Indonesia. Pengolahan data dilakukan
membuat model machine learing klasifikasi linier dan non-linier, klasifikasi linier terdiri dari Support
Vector Machine dan Regresi Logistik, sedangkan klasifikasi non-linier teridiri dari K-Nearrest Neighbor,
Random Forest, dan Adaboost. Kemudian dilakukan evaluasi model terhadap 5 model tersebut dengan
menggunakan Accuracy, Precision, Recall, F1 score, dan AUC. Pada model Support Vector Machine
didapatkan hasil yaitu Accuracy yang didapatkan sebesar 80%, untuk Precision yang didapatkan sebesar
88%, untuk Recall sebesar 75%, sedangkan untuk F1-Score sebesar 81% dan AUC sebesar 80%. Regresi
Logistik didapatkan hasil yaitu Accuracy yang didapatkan sebesar 66%, untuk Precision yang didapatkan
sebesar 63%, untuk Recall sebesar 78%, sedangkan untuk F1-Score sebesar 70% dan AUC sebesar 68%.
K-Nearest Neighbor didapatkan hasil yaitu Accuracy yang didapatkan sebesar 74%, untuk Precision yang
didapatkan sebesar 70%, untuk Recall sebesar 82%, sedangkan untuk F1-Score sebesar 76% dan AUC
sebesar 83%. Random Forest didapatkan hasil yaitu Accuracy yang didapatkan sebesar 80%, untuk
Precision yang didapatkan sebesar 77%, untuk Recall sebesar 87%, sedangkan untuk F1-Score sebesar
82% dan AUC sebesar 87%. Adaboost didapatkan hasil yaitu Accuracy yang didapatkan sebesar 66%, untuk
Precision yang didapatkan sebesar 96%, untuk Recall sebesar 60%, sedangkan untuk F1-Score sebesar
74% dan AUC sebesar 60%. Berdasarkan evaluasi model tersebut yang terbaik adalah Random Forest
karena memiliki nilai AUC yang terbaik sebesar 87%.
Kata Kunci : Predictive Maintenance, Machine learning, Klasifikasi, Support Vector Machine, Regresi
Logistik, K-Nearest Neighbor, Random Forest, Adaboost, Accuracy, Area Under Curve.
| TI2024032 | TI 2024 032 | Perpustakaan ITI | Available |
| TI2024032-CD | TI 2024 032 | Perpustakaan ITI | Available |
Detail Information
| Series Title |
-
|
|---|---|
| Call Number |
TI 2024 032
|
| Publisher | : ., 2024 |
| Collation |
-
|
| Language |
Indonesia
|
| ISBN/ISSN |
-
|
| Classification |
NONE
|
| Content Type |
-
|
| Media Type |
-
|
|---|---|
| Carrier Type |
-
|
| Edition |
-
|
| Subject(s) |
-
|
| Specific Detail Info |
-
|
| Statement of Responsibility |
-
|
Other version/related
No other version available
Information
RECORD DETAIL
Back To PreviousXML DetailCite this
Perpustakaan
Institut Teknologi Indonesia Jl. Raya Puspiptek Serpong, Kota Tangerang Selatan 15320
Menjadi Pusat Informasi Terdepan
1.) Menyediakan Layanan Prima Yang Berorientasi Kepada Pemustaka;
2.) Menjadi Pusat Akses Informasi Seluruh Civitas Akademika Institut Teknologi Indonesia;
3.) Menjadi Unit Yang Profesional Dalam Penyedia Informasi Di Lingkungan Akademis.