Dalam era industri modern, klasifikasi gerakan secara otomatis menjadi bagian penting dalam sistem otomasi. Penelitian ini mengimplementasikan algoritma Support Vector Machine (SVM) untuk mengklasifikasikan data gerakan berdasarkan tiga fitur sensor sudut, yaitu temperature, pressure, dan humidity. Dataset berisi 1.000 entri yang terbagi dalam beberapa kelas gerakan (faulty). Proses dimulai dari pra-pemrosesan data, normalisasi, pemisahan data latih dan uji, hingga pelatihan model SVM menggunakan kernel RBF. Hasil pengujian menunjukkan akurasi sebesar 96% dengan f1-score rata-rata mencapai 0,81. Hasil ini menunjukkan bahwa SVM efektif untuk mengklasifikasikan gerakan berbasis data sensor dan berpotensi untuk digunakan dalam sistem otomasi berbasis kecerdasan buatan.
Copyrights © 2025