Penelitian ini menggunakan data mining untuk aspek teknis predictive maintenance pada tangki penyimpanan di Jawa Bagian Barat periode 2022-2024. Beberapa parameter dari laporan inspeksi diuji secara statistik untuk memastikan relevansinya sebelum dimasukkan ke RapidMiner. Hasilnya, parameter seperti ketebalan alas tangki, laju korosi, ketebalan lapisan, dan ketebalan atap memiliki korelasi signifikan dengan rekomendasi inspeksi. Simulasi RapidMiner dengan metode decision tree menghasilkan akurasi 94% dalam memprediksi kebutuhan perbaikan besar (major repair) atau tidak, dengan ketebalan alas tangki menjadi faktor penentu utama. Selain itu, penelitian ini mengidentifikasi kendala operasional melalui kuesioner kepada manajer terminal, meliputi permintaan produk, stok produk, ketersediaan tangki pengganti, keterlambatan pembersihan tangki, kesiapan vendor, dan rencana rantai pasok alternatif. Analytical Hierarchy Process (AHP) digunakan untuk menentukan model pengambilan keputusan terbaik, dengan kondisi teknis tangki menjadi faktor terpenting (24.4%), diikuti oleh keterlambatan pembersihan tangki (18.4%) dan stok produk (17.4%). Model yang dihasilkan mengintegrasikan hasil RapidMiner dan AHP, memberikan pendekatan terstruktur dan objektif untuk menentukan waktu optimal pembersihan dan inspeksi tangki, dengan mempertimbangkan aspek teknis dan operasional, sehingga meningkatkan kualitas pengambilan keputusan dibandingkan metode konvensional.
