Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal JUSIFOR : Jurnal Sistem Informasi dan Informatika Jurnal Siber Multi Disiplin
Wahyu Hadikristanto
Universitas Pelita Bangsa, Indonesia
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Engineering Library & Information Science Social Sciences

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Sistem Prediktif Pemeliharaan Hidraulik dengan Pendekatan Algoritma Histogram Gradient Boosting Faizah Via Fadhillah; Muhammad Fatchan; Wahyu Hadikristanto
JUSIFOR : Jurnal Sistem Informasi dan Informatika Vol 5 No 1 (2026): JUSIFOR - Juni 2026
Publisher : Fakultas Sains Dan Teknologi, Universitas Raden Rahmat Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70609/jusifor.v5i1.9630

Abstract

Hydraulic systems are widely used in industry due to high power density and precision control; however, failures in components such as coolers, valves, pump leakage, and hydraulic accumulators can cause downtime and high maintenance costs. Conventional corrective and preventive maintenance is limited due to reliance on fixed schedules and manual inspection. Therefore, this study applies machine learning-based predictive maintenance to predict hydraulic component conditions. This study aims to predict the condition of four components (Cooler, Valve, Internal Pump Leakage, and Hydraulic Accumulator), evaluate Histogram Gradient Boosting (HGB) using Accuracy and macro F1-score, and implement the model in a Streamlit application. The Condition Monitoring of Hydraulic Systems dataset (2,205 cycles) is used. Sensor data from .txt files is transformed into tabular features per cycle, standardized using StandardScaler, and split into 70:30 training and testing sets. Four independent HGB models are trained and evaluated using confusion matrix, Accuracy, and macro F1-score. Results show strong performance: Cooler_condition (Accuracy 0.998, F1 0.998), Valve_condition (0.834, 0.786), Internal_pump_leakage (0.968, 0.963), and Hydraulic_accumulator/bar (0.989, 0.987). The trained models are saved as .pkl files and integrated into a Streamlit application for interactive prediction and CSV export.
Analisis Perbaikan Kualitas Produk dengan Metode FMEA (Failure Mode & Effect Analysis) pada Pipa Kompresor di PT XYZ Fauzar Astamanggala; Fibi Eko; Wahyu Hadikristanto
Jurnal Siber Multi Disiplin Vol. 4 No. 2 (2026): Jurnal Siber Multi Disiplin (Juli - September 2026)
Publisher : Siber Nusantara Research & Yayasan Sinergi Inovasi Bersama (SIBER)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38035/jsmd.v4i2.928

Abstract

Peningkatan kualitas produk merupakan salah satu faktor penting dalam menjaga daya saing perusahaan manufaktur. PT XYZ sebagai perusahaan yang bergerak di bidang produksi air conditioner (AC) masih menghadapi permasalahan cacat pada proses produksi pipa kompresor yang berpotensi menurunkan kualitas produk dan efisiensi proses produksi. Penelitian ini bertujuan untuk mengidentifikasi jenis cacat, menganalisis tingkat risiko kegagalan, serta menentukan prioritas perbaikan kualitas pada proses produksi pipa kompresor menggunakan metode Failure Mode and Effect Analysis (FMEA). Penelitian menggunakan pendekatan kuantitatif dengan jenis studi kasus. Data diperoleh melalui observasi lapangan, dokumentasi perusahaan, dan data hasil produksi periode Januari–Oktober 2025. Analisis dilakukan dengan menentukan nilai Severity (S), Occurrence (O), dan Detection (D) untuk menghitung Risk Priority Number (RPN) pada setiap jenis cacat. Hasil penelitian menunjukkan terdapat lima jenis cacat utama, yaitu kebocoran sambungan, welding defect, ovalitas, diameter out of specification (OOS), dan kontaminasi. Cacat kebocoran memiliki nilai RPN tertinggi sebesar 240 sehingga menjadi prioritas utama perbaikan, diikuti welding defect sebesar 175, ovalitas sebesar 120, diameter OOS sebesar 96, dan kontaminasi sebesar 60. Analisis Fishbone Diagram menunjukkan bahwa penyebab utama cacat berasal dari faktor manusia, mesin, metode, material, pengukuran, dan lingkungan. Metode FMEA terbukti efektif dalam mengidentifikasi dan menentukan prioritas risiko kegagalan sehingga dapat digunakan sebagai dasar penyusunan strategi peningkatan kualitas produksi pipa kompresor di PT XYZ.
Co-Authors Faizah Via Fadhillah Fauzar Astamanggala Fibi Eko Muhammad Fatchan