PT. Integral Industrial Indonesia adalah sebuah perusahaan yang beroperasi di bidang
lingkungan industri yang kompleks, di mana desain, operasi, dan pemeliharaan aset yang optimal
menjadi sangat penting. Mereka telah menciptakan sebuah platform perangkat lunak khusus untuk
mengotomatiskan pengetahuan pekerjaan dan membangun keunggulan kompetitif yang
berkelanjutan dengan memberikan pengambilan yang tinggi pada seluruh siklus hidup aset. Data
yang digunakan dalam penelitian ini adalah data historis dari sensor getaran yang terpasang pada
Gearbox mesin kertas. Tujuan dari penelitian ini adalah untuk mendeteksi anomali pada Gearbox
mesin kertas dengan memperhatikan getaran variabel yang telah terekam oleh sensor. Penelitian ini
dilakukan dengan menggunakan teknik analisis Machine Learning, termasuk model Decision Trees,
Random Forest, dan K-Nearest Neghbors untuk mendeteksi anomali pada mesin gearbox kertas
berdasarkan getaran data. Berdasarkan hasil analisa menggunakan perhitungan confusion matrix
pada software R studio dari ketiga model yaitu Decision Tree mendapatkan nilai accuracy 44%,
Random Forest nilai accuracy 68%, dan K-Nearest Neighbors nilai accuracy 70%. Berdasarkan dari
ketiga model yang telah di analisis model K-Nearest Neighbors tampaknya menjadi pilihan terbaik
maka lanjut dengan melakukan Feature Importance adalah metode untuk mengevaluasi tingkat
kepentingan setiap fitur (variabel) dalam model prediksi, seperti model machine learning.
Berdasarkan dari hasil Visualisasi Feature Importances pada model K-Nearest Neigbors dapat
diketahui bahwa 3 variabel yang tertinggi terdiri dari Rate sebesar 0.6064 Z.Peak sebesar 0.5611 ,
dan Z.rms sebesar 0.5536.
Kata Kunci: Data, Gearbox, Machine Learning, Decision Trees, Random Forest, K-Nearest
Neghbors, confusion matrix, Anomali, Prediksi, Feature Importances, Rate, Z.Peak,
Z.rms