Abstract:
Strategi perawatan mesin di PERUMDA Tirtanadi saat ini masih didominasi
oleh metode konvensional seperti perawatan korektif (perbaikan setelah rusak) dan
preventif berbasis waktu yang memiliki tingkat efisiensi rendah. Masalah utama
dari metode ini adalah terjadinya waktu henti (downtime) mesin yang tidak terduga
serta pembengkakan biaya operasional akibat penggantian komponen yang tidak
tepat waktu. Penelitian ini bertujuan untuk mengembangkan model pemeliharaan
prediktif menggunakan algoritma Support Vector Machine (SVM) untuk
memprediksi kebutuhan perawatan pada Raw Water Pump (RWP). Parameter
utama yang digunakan adalah pola suhu dan tekanan operasional yang diambil dari
data historis logbook harian perusahaan. Metode penelitian melibatkan proses
digitasi data, pembersihan (data cleaning), dan normalisasi menggunakan Min-Max
Scaler sebelum diolah dengan algoritma SVM menggunakan Kernel Radial Basis
Function (RBF). Hasil penelitian menunjukkan bahwa model ini mampu
mengklasifikasikan kondisi mesin ke dalam kategori "Normal" dan "Butuh
Perawatan" berdasarkan ambang batas operasional perusahaan, yakni suhu di
bawah 60°C dan tekanan antara 0,6 kg hingga 1,5 kg. Dengan target akurasi
minimal 85%, penerapan sistem ini diharapkan dapat mengoptimalkan jadwal
perawatan, mengurangi biaya pemeliharaan sebesar 20-25%, serta meminimalkan
risiko kegagalan fatal pada aset pompa.