Penerapan Support Vector Machine untuk Deteksi Gangguan pada Sensor Berbasis Data Suhu (Sensor Fault Detection)

Abstract

Deteksi gangguan pada sensor merupakan aspek penting dalam sistem monitoring industri untuk mencegah kegagalan fungsi dan memastikan keandalan operasional. Penelitian ini mengembangkan model klasifikasi gangguan sensor menggunakan algoritma Support Vector Machine (SVM) berbasis data pembacaan suhu. Data dikategorikan sebagai gangguan apabila berada di luar rentang normal 10–30°C. Tahapan penelitian meliputi preprocessing, pelatihan model, serta evaluasi kinerja menggunakan confusion matrix, ROC-AUC, mean squared error (MSE), dan validasi silang. Hasil menunjukkan akurasi model sekitar 90% dan nilai AUC di atas 0,90, menandakan kemampuan yang baik dalam membedakan kondisi normal dan gangguan. Namun, recall pada kelas gangguan masih rendah akibat ketidakseimbangan data. Temuan ini menunjukkan bahwa SVM berpotensi diterapkan dalam sistem deteksi gangguan sensor berbasis kecerdasan buatan, dengan rekomendasi pengembangan lebih lanjut pada penanganan ketidakseimbangan data untuk meningkatkan sensitivitas terhadap kelas minoritas.