<![CDATA[Industri pertambangan sangat bergantung pada keandalan alat berat. Permasalahan utama di XXX Group adalah tingginya unplanned downtime akibat strategi perawatan reaktif. Penelitian ini bertujuan mengintegrasikan predictive maintenance menggunakan algoritma K-Nearest Neighbors (KNN) untuk memprediksi kerusakan dan merencanakan peremajaan alat berat. Sistem dikembangkan menggunakan metode Agile dengan enam variabel prediktor: jam operasi, tahun alat, frekuensi perbaikan, jenis kerusakan, kondisi lingkungan, dan status akhir tahun. Hasil pengujian dengan parameter K=5 dan jarak Euclidean menunjukkan sistem mampu mengklasifikasikan kelayakan alat secara akurat. Pada studi kasus unit EXC-026, sistem mendeteksi anomali (3 parameter Kritis, 2 Waspada) dan merekomendasikan "Perlu Peremajaan" dengan probabilitas kerusakan 100% berdasarkan 5 tetangga terdekat. Implementasi ini mentransformasi perawatan di XXX Group menjadi proaktif, meminimalisir biaya tak terduga, dan memberikan landasan presisi untuk keputusan peremajaan aset.]]>
Copyrights © 2026
