ANALISIS PERBANDINGAN KLASIFIKASI MODEL LINEAR DAN NONLINEAR PADA HASIL GETARAN GEARBOX DARI SENSOR VIBRATION MENGGUNAKAN ALGORITMA MACHINE LEARNING

Abstract

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%.