ABDUL RAHMAN, - (2025) CLUSTERING KONDISI MESIN BACK PRESSURE VESSEL (BPV) MENGGUNAKAN METODE DBSCAN. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

Preview	Text SKRIPSI TANPA BAB IV - ABDUL RAHMAN.pdf Download (2MB) | Preview
	Text (BAB IV) SKRIPSI BAB IV - ABDUL RAHMAN.pdf - Published Version Restricted to Repository staff only Download (642kB)

Abstract

Pada era Industri 4.0, pengelolaan mesin industri menghadapi tantangan dalam mendeteksi potensi masalah sebelum terjadi kegagalan operasional, terutama pada mesin Back Pressure Vessel (BPV) yang memiliki fluktuasi suhu dan tekanan. Penelitian ini bertujuan untuk menganalisis dan mengelompokkan kondisi mesin BPV menggunakan algoritma DBSCAN (Density-Based Spatial Clustering of Applications with Noise) serta menentukan jumlah klaster optimal menggunakan Davies-Bouldin Index (DBI). Data berupa suhu, tekanan, dan waktu diperoleh secara real-time dari sistem monitoring pada 11 mesin BPV di PT. ABC. Tahapan penelitian meliputi pengumpulan data, preprocessing menggunakan Min-Max Scaling, implementasi algoritma DBSCAN, dan evaluasi hasil clustering menggunakan DBI dengan skenario variasi parameter epsilon (0,1 hingga 1,0) dan min-samples (3, 5, dan 10). Hasil penelitian menunjukkan algoritma DBSCAN efektif mengidentifikasi pola operasional mesin pada PKS 07, menghasilkan lima klaster utama dengan parameter optimal epsilon 0,70, min-samples 5, dan nilai DBI sebesar 0,6663. Clustering pada 11 mesin BPV menunjukkan jumlah klaster optimal bervariasi, dengan modus sebanyak 2 klaster yang muncul pada tiga mesin, mengindikasikan pola tekanan dan suhu yang mencerminkan kondisi normal, beban ringan, hingga tidak aktif. Penelitian ini diharapkan dapat meningkatkan efisiensi operasional, meminimalkan downtime, serta menjadi dasar pengembangan metode prediksi kerusakan mesin.

Actions (login required)

View Item