Tugas Akhir Sarjana

ANALISA HASIL GETARAN GEARBOX MENGGUNAKAN MACHINE LEARNING DENGAN ALGORITMA DECISION TREE, RANDOM FOREST, K-NEAREST NEIGHBOR PADA SENSOR VIBRATION BERBASIS NON-LINEAR

---

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

---

Ketersediaan

#	Lokasi	No. Panggil	Kode Eksemplar	Status
1	Perpustakaan ITI	TI 2023 039	TI2023039	Tersedia
2	Perpustakaan ITI	TI 2023 039	TI2023039-CD	Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

TI 2023 039

Penerbit

Tangerang Selatan : TEKNIK INDUSTRI., 2023

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

TUGAS AKHIR - PRODI TEKNIK INDUSTRI

Info Detail Spesifik

-

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar