Abstract:
PT.Intergal Industrial Indonesia adalah perusahaan yang bergerak dibidang teknologi maintenance
terutama bidang predictive maintenance. Pengambilan data dilakuakan selama 27 hari dari tanggal 2
Oktober 2023 hingga 28 Oktober 2023 di PT. XYZ yang bekerja sama dengan PT.Intergal Industrial
Indonesia. Jenis data yang didapat adalah data file JSON dengan total 1025 raw data per satu unit sensor.
Termasuk UID, Tanggal, Waktu, X.peak, Y. peak, Z. peak, X.rms, Y.rms, Z.rms, Temperatur, Battery, dan
rssi. Tujuan penelitian ini adalah ingin memprediksi temperatur gearbox dengan menggunakan machine
learning Serta melihat pengaruh transformasi data terhadap model yang dibuat dengan merubah data varibel
X menjadi Z Score dan Min-Max. Model yang digunakan adalah Support Vector Machine dan K-nearest
neigbor dengan menggunakan software R studio. Kemudian dilakukan evaluasi model menggunakan Root
Mean Square Error (RMSE) dan R Squared. Model Support Vector Machine menggunakan data normal
didapatkan nilai RMSE (6,53) dan R-Squared (0,69). Hasil transformasi nilai Z didapatkan nilai RMSE
(5,077) dan R-Squared (0,82). Hasil transformasi nilai Min-Max didapatkan nilai RMSE (7,041) dan RSquared
(0,65).
Model
K
Nearest
Neighbor
menggunakan
data
normal
didapatkan
nilai
RMSE
(9,17)
dan
R-Squared
(0,353).
Hasil
transformasi
nilai
Z
didapatkan
nilai
RMSE
(9,17)
dan
R-Squared
(0,353).
Hasil
transformasi
nilai Min-Max didapatkan nilai RMSE (9,17) dan R-Squared (0,353). Berdasarkan hasil
analisis evaluasi terhadap model dengan menggunakan Root Mean Square Error dan R Squred, dapat dilihat
model Support Vector Machine dengan menggunakan transformasi data Z score. Berdasarkan hasil Analisa
finansial menggunakan metode Potential Cost Saving dengan implementasi Predictive Maintenance akan
menghemat biaya sebesar Rp. 152.000.000 per tahun.
