<![CDATA[Abstract. Bearing are important driving parts in mechanical systems. Therefore, degradation modeling can predict future performance declines. Degradation modeling is a nonlinear pattern, some of the models are the gamma process and the Wiener process. This research aims to model bearing degradation using the Wiener process. The data used is bearing data set 1_1 from XJTU-SY. By carrying out a distribution fit test, the features used are the peak value features in the horizontal and vertical directions. Parameter estimation using the MLE method produces parameter estimates and , for the peak values in the horizontal direction and vertical . Degradation modeling, namely carrying out the equation with being tested 2 times. Modeling accuracy can be seen through the best MAPE, value, namely 21%. The accuracy of is better than . This proves that the Wiener process is random, so the accuracy of the Wiener process simulation for predicting degradation models will vary. Abstrak. Bearing adalah bagian penggerak yang penting dalam sistem mekanis. Maka dari itu pemodelan degradasi dapat memprediksi penurunan kinerja di masa depan. Pemodelan degradasi merupakan pola nonlinear, beberapa modelnya yaitu proses gamma dan proses Wiener. Penelitian ini bertujuan melakukan pemodelan degradasi bearing menggunakan proses Wiener. Data yang digunakan yaitu data set bearing 1_1 dari XJTU-SY. Dengan melakukan uji kecocokan distribusi diperoleh fitur yang digunakan yaitu fitur nilai puncak arah horizontal dan vertikal. Estimasi parameter dengan metode MLE menghasilkan taksiran parameter dan , untuk nilai puncak arah horizontal dan vertikal . Pemodelan degradasi yaitu melakukan persamaan dengan dilakukan pengujian 2 kali. Akurasi pemodelan dilihat melalui nilai MAPE, yang paling baik yaitu 21%. Keakurasian lebih baik dibanding . Hal ini membuktikan proses Wiener bersifat acak, maka akurasi simulasi proses Wiener untuk prediksi model degradasi akan berbeda-beda.]]>
