Perbandingan Metode Adaptive Neuro-Fuzzy Inference System dan Support Vector Regression dalam Prediksi Waktu Pemeliharaan pada Mesin E-Fill

Abstract

Penelitian ini bertujuan membandingkan kinerja metode Adaptive NeuroFuzzy Inference System (ANFIS) dan Support Vector Regression (SVR) dalam memprediksi waktu pemeliharaan yang optimal pada mesin pengisian cairan otomatis atau yang biasa disebut mesin e-fill. Mesin e-fill banyak digunakan oleh industri produsen untuk mengemas produk cairan mereka ke dalam kemasan botol. Mesin ini sering mengalami kerusakan yang dapat mengganggu proses produksi dan menimbulkan kerugian bagi perusahaan. Oleh karena itu, prediksi waktu pemeliharaan yang tepat sangat penting agar perusahaan dapat mempersiapkan dana dan antisipasi sebelum terjadi kerusakan yang lebih parah. Penelitian ini mengumpulkan data historis parameter operasional mesin e-fill seperti performance, quality, dan availability. Data tersebut kemudian dibagi menjadi data latih dan data uji. Data latih digunakan untuk melatih model prediksi ANFIS dan SVR agar dapat memprediksi waktu pemeliharaan mesin. Data uji digunakan untuk mengevaluasi akurasi prediksi dari kedua model. Model ANFIS dilatih dengan menyesuaikan parameter-parameternya agar sesuai dengan pola pada data latih. Model SVR juga dilatih dengan data latih agar parameternya dapat mengenali pola data. Kinerja kedua model dievaluasi dengan metrik RMSE pada data uji. 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.