Implementasi Sistem Peringatan Dini Untuk Predictive Maintenance Pada Mesin Eye Forming Robot Menggunakan Metode Random Forest (Classification) Dan Notifikasi Whatsapp Api Secara Real Time Di Pt.Xyz

Santoso, Iwan (2025) Implementasi Sistem Peringatan Dini Untuk Predictive Maintenance Pada Mesin Eye Forming Robot Menggunakan Metode Random Forest (Classification) Dan Notifikasi Whatsapp Api Secara Real Time Di Pt.Xyz. undergraduate thesis, Universitas Muhammadiyah Gresik.

	Text Surat Pernyataan Orisinil.pdf Download (224kB)
	Text Lembar Persetujuan Skripsi.pdf Download (410kB)
	Text Lemabar Pengesahan Skripsi.pdf Download (478kB)
	Text Lembar Persetujuan Publikasi Karya Ilmiah.pdf Download (377kB)
	Text Halaman judul.pdf Download (406kB)
	Text Skripsi BAB 1.pdf Download (299kB)
	Text Skripsi BAB 2.pdf Download (723kB)
	Text Skripsi BAB 3.pdf Download (703kB)
	Text Skripsi BAB 4.pdf Restricted to Repository staff only until 8 January 2030. Download (1MB)
	Text Skripsi BAB 5.pdf Download (290kB)
	Text Daftar pustaka.pdf Download (380kB)
	Text Lampiran.pdf Download (1MB)

Abstract

Kelancaran proses produksi menjadi sebuah keharusan yang harus dipenuhi oleh setiap perusahaan untuk memastikan stabilitas dalam menghasilkan produknya. Salah satu aspek yang memengaruhi keberlanjutan proses produksi adalah performa mesin yang digunakan. Penelitian ini bertujuan untuk mengembangkan sistem predictive maintenance pada mesin Eye Forming Robot di PT. XYZ. Sistem ini dirancang menggunakan Machine Learning Random Forest untuk memberikan informasi prediksi preventive maintenance yang dapat memudahan pihak industri serta menekan biaya pengeluaran akibat kerusakan tidak terduga. Model machine learning yang digunakan yaitu Random Forest dengan menggunakan checksheet maintenance selama kurun waktu dua bulan. Atribut yang digunakan meliputi total waktu kerusakan, nama kerusakan dan detail, serta tanggal. Hasil dari sistem Random Forest yang dibuat mampu memberikan data baru berupa prediksi kerusakan pada mesin yang kemungkinan akan terjadi yaitu Robot Fault dengan tingkat akurasi sistem sebesar 73,33% dan visualisasi antara data aktual dengan data hasil prediksi dalam bentuk Confusion Matrics. Terdapat beberapa kondisi dimana hasil prediksi sesuai serta tidak sesuai yang dipengaruhi oleh faktor lain mengingat dari ketersediaan data yang digunakan tidak cukup luas sehingga tidak mencakup semua kemungkinan yang terjadi pada data aktual. Secara keseluruhan sistem ini dapat memberikan informasi yang cukup baik kepada user tentang kemungkinan terjadinya kerusakan mesin dan perencanaan jadwal pencegahan pemeliharaan.

Item Type:	Thesis (undergraduate)
Uncontrolled Keywords:	Eye Forming Robot, Machine Learning, Sistem Predictive Maintenance, WhatsApp API.
Subjects:	Engineering > Electronical Engineering Engineering
Divisions:	Faculty of Engineering > Electronical Engineering Study Program
Depositing User:	Iwan Santoso
Date Deposited:	07 Jan 2026 09:29
Last Modified:	07 Jan 2026 09:29
URI:	http://eprints.umg.ac.id/id/eprint/14581

Actions (login required)

View Item