Data Mining Untuk Pemeliharaan Prediktif Mesin Produksi berdasarkan Database Kerusakan Mesin menggunakan Naïve Bayes Classifier

Abstract

Preventive maintenance adalah kegiatan pemeliharaan dan perawatan yang dilakukan untuk mencegah timbulnya kerusakan-kerusakan yang tidak terduga dan menemukan kondisi yang dapat menyebabkan fasilitas produksi mengalami kerusakan pada saat proses produksi dilakukan. Agar kegiatan preventive maintenance tidak menggangu proses produksi, diperlukan penjadwalan mesin mana saja yang perlu dilakukan tindakan preventive maintenance. Dengan adanya aplikasi data mining saat ini, akan sangat membantu menemukan informasi yang tersembunyi pada history kerusakan mesin di dalam sebuah database dengan menggunakan algoritma tertentu. Penelitian ini akan membahas data kasus pada perusahaan spare part otomotif. Dimana data history kerusakan mesin yang akan diolah digunakan untuk menentukan mesin mana saja yang perlu dilakukan kegiatan preventive maintenance dengan menggunakan metode naïve bayes classier. Data yang akan diolah diambil dari sepuluh besar mesin yang mengalami kerusakan, sample data diambil secara acak (random sampling) dengan menggunakan enam parameter meliputi nomor mesin, masalah, shift, durasi waktu, tipe breakdown dan tingkat resiko. Implementasi pengolahan data mining dengan menggunakan aplikasi rapid miner 9.6, dengan proporsi data 80/20 yaitu data training sebanyak 754 data kerusakan dan data testing 189 data kerusakan dari hasil pengujian didapat dengan nilai akurasi 93,65 % untuk menentukan mesin yang perlu dilakukan kegiatan preventive maintenance.