PERBANDINGAN METODE ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM DAN SUPPORT VECTOR REGRESSION DALAM PREDIKSI WAKTU PEMELIHARAAN PADA MESIN E- FILL

Almunawar, Deni (2024) PERBANDINGAN METODE ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM DAN SUPPORT VECTOR REGRESSION DALAM PREDIKSI WAKTU PEMELIHARAAN PADA MESIN E- FILL. Diploma thesis, Politeknik Perkapalan Negeri Surabaya.

Text 0920040055 - Deni Almunawar - Perbandingan Metode _i_Adaptive Neuro Fuzzy Inference System__i_ dan _i_Support Vector Regression__i_ Dalam Prediksi Waktu Pemeliharaan pada Mesin _i_E Fill__i_.pdf Restricted to Repository staff only Download (4MB) | Request a copy

Abstract

Penelitian ini bertujuan untuk membandingkan kinerja metode Adaptive Neuro-Fuzzy Inference System (ANFIS) dan Support Vector Regression (SVR) dalam memprediksi waktu pemeliharaan optimal pada mesin pengisian cairan otomatis, E-FILL. Mesin E-FILL sering mengalami kerusakan yang mengganggu proses produksi dan menyebabkan kerugian. Oleh karena itu, prediksi waktu pemeliharaan yang tepat sangat penting. Data historis parameter operasional mesin E-FILL, seperti performa, kualitas, dan ketersediaan, dikumpulkan dan dibagi menjadi data latih dan data uji. Model ANFIS dilatih dengan menyesuaikan parameter-parameter agar sesuai dengan pola data latih, sementara model SVR dilatih menggunakan kernel linear. Evaluasi kinerja dilakukan dengan menggunakan metrik RMSE dan akurasi pada data uji. Hasil evaluasi menunjukkan bahwa kedua metode memiliki performa yang sangat baik dalam memprediksi waktu pemeliharaan mesin E-FILL. Metode ANFIS menghasilkan RMSE sebesar 1.5126 dan akurasi sebesar 99.77%, sementara metode SVR menghasilkan RMSE sebesar 1.6160 dan akurasi sebesar 99.86%. Dari hasil perhitungan pada bab 4, dapat disimpulkan bahwa metode Support Vector Regression (SVR) memiliki rata- rata Accuracy yang lebih tinggi, yaitu 91,67%, dibandingkan dengan metode Adaptive Neuro-Fuzzy Inference System (ANFIS) yang memiliki rata-rata Accuracy sebesar 68,33%. Hal ini menunjukkan bahwa SVR lebih akurat dalam memprediksi waktu pemeliharaan pada mesin E-Fill di berbagai tingkat RPM. Meskipun perbedaan kinerja kedua metode sangat kecil, SVR sedikit lebih unggul dalam hal akurasi. Perbandingan ini menunjukkan bahwa kedua metode dapat digunakan secara efektif untuk prediksi pemeliharaan mesin E-FILL. Hasil penelitian ini diharapkan dapat membantu perusahaan dalam mempersiapkan pemeliharaan mesin secara lebih akurat dan efisien, mengurangi kerugian akibat kerusakan mesin, dan memastikan kelancaran proses produks

Actions (login required)

View Item