ANALISIS HASIL CLUSTERING K-MEANS DAN HIERARICHAL CLUSTERING PADA DATA SENSOR VIBRATION DI PT. INTEGRAL INDUSTRIAL INDONESIA DENGAN ALGORITMA MACHINE LEARNING

Abstract

Pada PT. Integral Industrial Indonesia merupakan perusahaan yang bergerak di bidang Predictive Maintenance. PT. Integral Industrial Indonesia ini merupakan suatu perusahaan yang memiliki Sensor Vibration. Produk yang dimiliki berkembang dalam lingkungan industrial yang kompleks, dimana optimalisasi desain, operasi, dan pemeliharaan aset merupakan hal yang sangat penting. Platform perangkat lunak yang dibangun khusus untuk mengotomatiskan pekerjaan pengetahuan dan membangun keunggulan kompetitif yang berkelanjutan dengan memberikan pengembalian yang tinggi selama seluruh siklus hidup aset. Metode yang digunakan dalam penelitian adalah Clustering K-Means dan Hierarichal Clustering. Langkah pertama dalam melakukan penelitian ini adalah menganalisis data RJason berdasarkan variabel, Timestamp, XYZ Peak Rms, Rate dengan bsebanyak 1.262 baris data. Kemudian data tersebut di analisis berdasarkan karakteristik dari metode Clustering K-Means dan Hierarichal Clustering dengan mengetahui output data yang melebihi batas Treshold. Dan Clustering K-Means didapatkan 2 cluster (1) berawarna merah terdapat (734) kelompok data, pada klaster (2) berwarna biru terdapat (527) kelompok data. Sedangkan pada Hierarichal Clustering diperoleh 6 kelompok data. Dan output final untuk mengetahui data sudah optimal dan mengetahui data sudah tidak melebihi batas maksimum atau batas Treshold dengan cara menentukan hasil Visualisasi Plot disetiap metode yang digunakan. Dan pada analisis finansial didapatkan penghematan hingga 80%. Dengan demikian, perusahaaan dapat terus meningatkan keuntungan dan efisiensi dengan menggunakan metode yang paling sesuai dengan kebutuhan perusahaaan berdasarkan tujuan yang ingin dicapai.