Search for collections on Universitas Islam Negeri Sultan Syarif Kasim Riau Repository

CLUSTERING KONDISI MESIN SCREW PRESS DENGAN METODE GAUSSIAN MIXTURE MODELS

NUR AGUNG, - (2025) CLUSTERING KONDISI MESIN SCREW PRESS DENGAN METODE GAUSSIAN MIXTURE MODELS. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

[img]
Preview
Text
SKRIPSI TANPA BAB IV - NUR AGUNG.pdf

Download (6MB) | Preview
[img] Text (BAB IV)
SKRIPSI BAB IV - NUR AGUNG.pdf - Published Version
Restricted to Repository staff only

Download (600kB)

Abstract

Penelitian ini membahas pengelompokan kondisi mesin screw press di pabrik kelapa sawit menggunakan metode Gaussian Mixture Models (GMM). Penelitian ini bertujuan untuk menentukan jumlah klaster optimal yang mewakili kondisi mesin berdasarkan data tekanan yang dikumpulkan secara real-time. Metode Gaussian Mixture Models (GMM) dipilih karena kemampuannya dalam menangkap pola distribusi data yang kompleks dan mendukung analisis probabilistik. Evaluasi model dilakukan menggunakan Bayesian Information Criterion (BIC) untuk menentukan jumlah klaster yang optimal. Hasil penelitian ini terbentuk 10 klaster optimal berdasarakan dataset di PT. ABC. Penelitian ini diharapkan dapat meningkatkan efisiensi pemeliharaan prediktif dan pengambilan keputusan yang lebih baik dalam mencegah downtime yang tidak terduga. Pendekatan ini memberikan kontribusi signifikan terhadap optimalisasi operasional dan pengurangan biaya di era Industri 4.0.

Item Type: Thesis (Skripsi)
Contributors:
ContributionNameNIDN/NIDKEmail
Thesis advisorLestari Handayani, -1013118103lestari.handayani@uin-suska.ac.id
Thesis advisorFitri Insani, -2003068701fitri.insani@uin-suska.ac.id
Subjects: 000 Karya Umum > 004 Pemrosesan Data, Ilmu Komputer, Teknik Informatika
000 Karya Umum
Divisions: Fakultas Sains dan Teknologi > Teknik Informatika
Depositing User: fsains -
Date Deposited: 16 Jan 2025 02:58
Last Modified: 16 Jan 2025 03:01
URI: http://repository.uin-suska.ac.id/id/eprint/85630

Actions (login required)

View Item View Item