Sistem Monitoring Kondisi Mesin Kapal Berbasis Internet of Things (IoT) dan Predictive Maintenance Menggunakan Mikrokontroler dan Machine Learning di Edge

Abstract

Penelitian ini menggabungkan teknologi Internet of Things (IoT) dan Machine Learning untuk mengembangkan sistem Predictive Maintenance yang mampu memantau dan memprediksi kegagalan mesin secara real-time. Dengan metode CRISP-DM, penelitian menggunakan dataset sintetis berisi 10.000 data dan menerapkan algoritma Logistic Regression yang menghasilkan akurasi 96,87%. Sistem ini kemudian diimplementasikan dalam aplikasi berbasis web untuk memudahkan pemantauan kondisi mesin. Selain itu, dikembangkan pula prototipe sistem pemantauan suhu main engine kapal berbasis IoT menggunakan sensor Thermocouple dan IR Sensor yang terhubung ke NodeMCU ESP32 dan aplikasi Blynk. Hasil pengujian menunjukkan sistem mampu mendeteksi perubahan suhu dan putaran mesin secara efektif, sehingga dapat mendukung upaya pencegahan kerusakan lebih dini.