Perancangan Sistem Pendukung Keputusan Mesin e-Fill Berbasis ANFIS

Deni Almunawar; Dwi Rizky Anto; Muhammad Dhifa Alfitra; Muhammad Dzi Washfil Hasin; Mohammad Abu Jami’in; Ryan Yudha Adhitya; Anggara Trisna Nugraha; Dimas Pristovani Riananda; Zindhu Maulana Ahmad Putra; Mohammad Fajar Adiatmoko; Ii’ Munadhif

doi:10.52435/complete.v5i1.399

Authors

Deni Almunawar Program Studi Teknik Otomasi, Politeknik Perkapalan Negri Surabaya, Surabaya, Indonesia
Dwi Rizky Anto Program Studi Teknik Otomasi, Politeknik Perkapalan Negri Surabaya, Surabaya, Indonesia
Muhammad Dhifa Alfitra Program Studi Teknik Otomasi, Politeknik Perkapalan Negri Surabaya, Surabaya, Indonesia
Muhammad Dzi Washfil Hasin Program Studi Teknik Otomasi, Politeknik Perkapalan Negri Surabaya, Surabaya, Indonesia
Mohammad Abu Jami’in Program Studi Teknik Otomasi, Politeknik Perkapalan Negri Surabaya, Surabaya, Indonesia
Ryan Yudha Adhitya Program Studi Teknik Otomasi, Politeknik Perkapalan Negri Surabaya, Surabaya, Indonesia
Anggara Trisna Nugraha Program Studi Teknik Otomasi, Politeknik Perkapalan Negri Surabaya, Surabaya, Indonesia
Dimas Pristovani Riananda Program Studi Teknik Otomasi, Politeknik Perkapalan Negri Surabaya, Surabaya, Indonesia
Zindhu Maulana Ahmad Putra Program Studi Teknik Otomasi, Politeknik Perkapalan Negri Surabaya, Surabaya, Indonesia
Mohammad Fajar Adiatmoko Program Studi Teknik Telekomunikasi, Telkom University Surabaya, Surabaya, Indonesia
Ii’ Munadhif Program Studi Teknik Otomasi, Politeknik Perkapalan Negri Surabaya, Surabaya, Indonesia

DOI:

https://doi.org/10.52435/complete.v5i1.399

Keywords:

Mesin e-Fill, sistem pendukung keputusan, ANFIS, keseluruhan peralatan efektivitas (OEE), RMSE

Abstract

Mesin E-Fill merupakan bagian penting dalam proses produksi di industri manufaktur, khususnya untuk mengisi cairan ke dalam kemasan botol. Pengoperasiannya memerlukan keahlian khusus sehingga diperlukan sistem pendukung keputusan. Penelitian ini merancang sistem pendukung keputusan untuk mesin E-Fill dengan metode ANFIS (Adaptive Neuro Fuzzy Inference System) yang menggabungkan kecerdasan buatan dan logika fuzzy. Pemantauan kinerja mesin menggunakan metode OEE (Overall Equipment Effectiveness) berdasarkan aspek availability, performance, dan quality. Berdasarkan percobaan pada mesin E-Fill diperoleh nilai OEE rata-rata hanya 57,3% (cycle time 15 detik) dan 61,7% (cycle time 16 detik). Nilai ini jauh di bawah standar sistem baik minimum 85%, sehingga performa mesin perlu optimalisasi lebih lanjut. Sementara pemodelan dengan ANFIS menghasilkan akurasi prediksi yang sangat tinggi didasarkan nilai RMSE sebesar 0,000312 dari 27 data pengujian. Perbandingan nilai aktual dan hasil prediksi ANFIS juga hanya memiliki selisih yang sangat kecil. Dapat disimpulkan bahwa performa mesin E-Fill perlu ditingkatkan, dan ANFIS terbukti sangat akurat sehingga variable untuk implementasi pada sistem pendukung keputusan mesin E-Fill. Studi ini berkontribusi pada pengembangan teknologi cerdas di industri manufaktur Indonesia.

References

S. P. Della, “Sistem Pengolahan Data Produksi Berbasis SCADA Menggunakan Metode OEE Dilengkapi dengan Fuzzy Decision Pada Automatic Filling Bottle Machine,” Surabaya, 2021.

R. P. & S. E. P. Sari, “Pengaruh Korelasi Data pada Peramalan Kelembaban Udara Menggunakan Adaptive Neuro Fuzzy Inference System (ANFIS),” Applied Technology and Computing Science Journal, 2019.

N. R. D. H. S. T. S. Ryan Yudha Adhitya, “Pengembangan PV Solar Tracking System Dua Sumbu Putar Berbasis Model Fuzzy Sugeno Orde Nol,” 2020.

A. M. Ma’ruf, U. Ema, and A. H. Dwi, “Optimasi Anfis Untuk Prediksi Data Time Series,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 9, 3 September 2022.

M. Anrinda, M. S. Edy, and I. M. Jaka, “ANALISIS PERHITUNGAN OVERALL EQUIPMENT EFFECTIVENESS (OEE),” Prosiding Seminar Nasional, 21 Agustus 2021.

N. and I. Anfasa, “RANCANG BANGUN INTEGRASI SCADA PADA SISTEM CRUSHING DAN BARGE LOADING CONVEYOR,” Diploma Thesis, 2022.

B. Y. Pandji, I. I., and A. A. Rohmawati, “Perbandingan Prediksi Harga Saham dengan model ARIMA dan Artificial Neural Network,” Indonesia Journal on Computing, vol. 4, no. 2, September 2019.

A. T. Nugraha and R. P. Eviningsih, “ZETA Converter as a Voltage Stabilizer with Fuzzy Logic Controller Method in The Pico Hydro Power Plant,” vol. 4, no. 2, 23 Augustus 2022.

I. M. A. A. and A. A. Mustofa, “Sistem Pengendalian Penanganan Kebakaran Gedung Menggunakan Metode Fuzzy,” Jurnal Ilmiah Rekayasa, vol. 11, no. 2, Oktober 2018.

D. H. Triwardani, A. Rahman, and C. F. M. Tantrika, “ANALISIS OVERALL EQUIPMENT EFFECTIVENESS (OEE) DALAM,” 2021.

W. Atikno and H. H. Purba, “Sistematika Tinjauan Literature Mengenai Overall Equipment Effectiveness (OEE),” Journal of Industrial and Engineering System (JIES), vol. 2, no. 2722-7979, pp. 29-39, 2021.

S. A. Hardiyanti and Q. S., “PREDIKSI KASUS COVID-19 DI INDONESIA MENGGUNAKAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS),” vol. 6, 2020.

H. S. D. O. Prabawanti, M. S. R. N. Hasanah, U. W., and A. H., “Forecasting of Wind Speed in Malang City of Indonesia using Adaptive Neuro-Fuzzy Inference System and Autoregressive Integrated Moving Average Methods,” September 2020.

I. A. J. and Y., “Perancangan Unit Pengisian Pada Mesin Pengisian Botol Otomatis Berbasis PLC,” vol. 3, no. 2, 2023.

A. H. Saputra, T. T., and B. W., “ANALISIS DATA RUNTUN WAKTU DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS),” vol. 1, no. 1, pp. 31-38, 2012.

A. K. R. R. and I. P. Solihin, “Pengujian Algoritma Long Short Term Memory untuk Prediksi Kualitas Udara dan Suhu Kota Bandung,” vol. 15, no. 1, 2020.

M. and T. R., “Prediksi Waktu Kegagalan Mesin Raw Mill Menggunakan Active Learning,” Other thesis, Institut Teknologi Sepuluh Nopember, 2023.

A. D. Wiratmoko, A. W. Syauqi, M. S. Handika, D. B. Nurrizki, M. W. M. S. I. S. M. K. Hasin, I. M. A. Z. Arfianto, A. W. B. Santosa, and V. Y. P. Ardhana, “Design of Potholes Detection as Road’s Feasibility Data Information Using Convolutional Neural Network (CNN),” 2019.

Richo, R. Y. Adhitya, M. K. Hasin, M. S., and E. S., “Analisis Pengaruh Optimizer pada Model CNN untuk Identifikasi Cacat pada Perekat Kemasan,” vol. 13, no. 2, 2023.