OPTIMASI PREDIKSI TEMPERATUR GEARBOX DENGAN TRANSFORMASI DATA DALAM MACHINE LEARNING UNTUK PREDICTIVE MAINTENANCE

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.