Tugas Akhir Sarjana

PENERAPAN PREDICTIVE MAINTENANCE DENGAN MACHINE LEARNING MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINES, RANDOM FOREST, XGBOOST (STUDI KASUS: PT. JINWOO ENGINEERING INDONESIA)

---

PT. Jinwoo Engineering Indonesia yang bergerak pada bidang roduksi plastik lembaran dan fabrikasi
logam memasangkan sensor pada mesin vacuum forming. Penelitian ini mengkaji penerapan predictive
maintenance berbasis machine learning pada mesin vacuum forming milik PT. Jinwoo Engineering
Indonesia. Tujuan utama penelitian adalah membangun model klasifikasi kondisi mesin ke dalam kategori
normal dan failure, serta menentukan algoritma terbaik berdasarkan metrik evaluasi seperti akurasi,
precision, recall, dan F1-score. Algoritma yang digunakan meliputi Support Vector Machine (SVM),
Random Forest, dan XGBoost. Data yang dianalisis merupakan data historis maintenance dan sensor
yang digunakan pada mesin vacuum forming yang dikumpulkan selama periode September hingga
Desember 2024. Sebelum proses pemodelan, dilakukan tahapan pre-processing berupa cleansing,
eliminasi atribut tak relevan, dan teknik undersampling untuk menyeimbangkan proporsi kelas data.
Evaluasi model dilakukan dengan menggunakan confusion matrix, sebuah teknik yang memungkinkan
analisis performa klasifikasi model dengan mengukur jumlah prediksi benar dan salah dalam setiap kelas.
Hasil eksperimen menunjukkan bahwa Random Forest menghasilkan performa terbaik dengan akurasi
98%, precision dan recall masing-masing sebesar 98%. Analisis feature importance mengidentifikasi
bahwa variabel temperatur heater, tingkat getaran, dan tekanan udara memberikan kontribusi signifikan
terhadap klasifikasi kondisi mesin. Penerapan metode ini diharapkan mampu membantu perusahaan
dalam mendeteksi potensi kerusakan secara dini, sehingga mengurangi downtime dan meningkatkan
efisiensi produksi secara keseluruhan.
Kata kunci: Predictive Maintenance, Machine Learning, Random Forest, Support Vector Machine,
XGBoost, Vacuum Forming, Klasifikasi, Confusion Matrix, Pre-Processing, Feature Importance

---

Ketersediaan

Informasi Detail

Judul Seri

-

No. Panggil

TI 2025 042

Penerbit

Tangerang Selatan : TEKNIK INDUSTRI., 2025

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