RANCANG BANGUN SISTEM DETEKSI ANOMALI SUARA DAN GETARAN MESIN UNTUK PEMELIHARAAN PREDIKTIF MESIN OTOMOTIF BERBASIS MACHINE LEARNING

Latar Belakang. Sistem pemeliharaan prediktif sangat diperlukan untuk meningkatkan efisiensi perawatan dan keandalan sepeda motor. Seiring meningkatnya kompleksitas mesin modern, metode perawatan tradisional yang berbasis jadwal seringkali menjadi kurang efektif, terutama dalam mendeteksi jenis kerusakan serta memperkirakan sisa masa pakai pada sepeda motor. Tujuan. Penelitian ini bertujuan untuk merancang arsitektur sistem pemeliharaan prediktif pada sepeda motor yang mampu mendeteksi jenis kerusakan dan memprediksi sisa masa pakai komponen secara otomatis. Sistem ini memanfaatkan data getaran dan suara yang dianalisis menggunakan model pembelajaran mesin (machine learning) untuk memberikan peringatan dini, sehingga dapat meningkatkan efisiensi perawatan dan mengurangi risiko kegagalan tak terduga. Metode. Penelitian ini berbasis model pembelajaran mesin RandomForest untuk mengelola data dari sensor. Paramater yang dinalisis berasal dari data getaran dan suara mesin motor yang diambil oleh sensor ADXL345 dan INMP441. Hasil. Hasil penelitian menunjukkan bahwa sistem pemeliharaan prediktif yang dirancang mampu mendiagnosis jenis kerusakan dan memprediksi sisa masa pakai mesin sepeda motor secara akurat. Model pembelajaran mesin untuk klasifikasi kerusakan mencapai akurasi keseluruhan sebesar 96%. Selain itu, model prediksi sisa masa pakai menunjukkan performa sangat baik dengan nilai koefisien determinasi (R² Score) sebesar ~99%, yang membuktikan kemampuannya dalam memberikan estimasi waktu kegagalan secara andal. Kesimpulan. Sistem pemeliharaan prediktif berbasis kecerdasan buatan yang menggunakan parameter getaran dan suara, berhasil dirancang serta diimplementasikan untuk mendiagnosis kondisi sepeda motor secara efektif. Sistem ini terbukti memiliki potensi besar dalam meningkatkan efisiensi perawatan, mengurangi risiko kegagalan tak terduga, serta menjadi solusi andal dalam pemantauan kesehatan mesin.