Sistem Pengambil Keputusan Pada Mesin E-Fill Maintenance Menggunakan Metode Support Vector Regresi

Main Article Content

Deni Almunawar
Ii Munadhif
Ryan Yudha Adhitya
Zindhu Maulana Ahmad Putra
Mohammad Abu Jami'in

Abstract

Penelitian ini mengeksplorasi penggunaan metode Support Vector Regression (SVR) untuk memprediksi kebutuhan
maintenance pada mesin E-FILL. Data dibagi menjadi set pelatihan dan pengujian, dan evaluasi dilakukan
menggunakan metrik seperti Root Mean Squared Error (RMSE) dan koefisien determinasi (R-squared). Hasil
menunjukkan bahwa model SVR memiliki performa yang sangat baik dengan nilai RMSE rendah dan akurasi tinggi,
menunjukkan kemampuan model dalam menangkap pola dalam data secara efektif. Visualisasi hasil prediksi dan
hyperplane yang dihasilkan oleh model SVR juga mendukung temuan ini, menampilkan prediksi yang konsisten dengan
data aktual. Hasil pengujian menunjukkan bahwa nilaiRMSE yang diperoleh sangat rendah (0.1000), dan akurasi
mencapai 99.99%, menunjukkan bahwa model SVR mampu menangkap pola dalam data dengan sangat baik.
Penelitian ini menyimpulkan bahwa metode SVR adalah alat yang efektif dan andal untuk memprediksi kebutuhan
maintenance, berpotensi membantu perusahaan dalam mengoptimalkan jadwal pemeliharaan, mencegah kerusakan
yang lebih parah, dan menjaga kelancaran operasi produksi. Keterbatasan penelitian mencakup penggunaan dataset
dengan nilai yang mungkin serupa, yang dapat mempengaruhi generalisasi model. Penelitian selanjutnya disarankan
menggunakan dataset dengan variasi yang lebih luas dan membandingkan dengan teknik machine learning lainnya
untuk mendapatkan wawasan yang lebih mendalam tentang prediksi maintenance.

Article Details

Section
MASTER 2024