Tergelincir merupakan faktor penyebab yang paling banyak menyebabkan
peningkatan kecelakan kereta api dalam satu dekade terakhir. Meskipun demikian,
tindakan pencegahan dan pemeliharaan secara manual yang saat ini dilakukan
masih belum dapat memberikan dampak yang signifikan. Di lain sisi, pendekatan
pemeliharaan prediktif yang berbasis data merupakan teknik yang sedang banyak
digunakan di berbagai bidang pemelihaaraan, salah satunya pemeliharaan kereta
api. Salah satu proses yang penting dalam pendekatan tersebut merupakan proses
ETL (Extract – Transform – Load) yang menjadikan kualitas data sebagai fokus
utama untuk mendukung proses pengambilan keputusan. Akurasi merupakan salah
satu parameter dalam kualitas data tersebut. Sementara itu, sensor MEMS (microelectro-mechanical systems) yang dipasang pada kereta mengandung derau yang
mempengaruhi akurasi data. Oleh karena itu, penelitian ini dilakukan untuk mencari
metode pengurangan derau yang mendukung proses pemeliharaan prediktif pada
kereta api. Sehubungan dengan masalah tersebut, Shi dkk (2021) mengusulkan
metode pembatasan wavelet (wavelet threshold) untuk mengurangi derau yang
terkandung pada keluaran sensor MEMS dengan menggunakan pengestimasi
otomatis SURE Shrink. Metode pembatasan wavelet merupakan metode yang
sangat bergantung pada nilai ambang batas dalam menentukan kualitasnya.
Sementara itu, Nisha dan Mohideen (2016) menyebutkan bahwa SURE Shrink
tidak menghasilkan kualitas yang lebih baik dari pada Bayes Shrink untuk
pengurangan derau pada data citra. Oleh karena itu, penelitian ini berfokus untuk
mencari metode pengestimasi nilai ambang batas (threshold estimator) yang paling
tepat untuk keluaran sensor MEMS dengan membandingkan SNR (Signal-toNoise-Ratio) dari metode SURE Shrink dan Bayes Shrink. Berdasarkan simulasi
yang telah dilakukan dengan menggunakan Matlab, penulis menemukan bahwa
data MEMS mentah perlu dipotong dengan panjang data 5 detik sebelum
pengurangan derau untuk mendapatkan representasi terbaik. Pada panjang data ini,
penulis menyimpulkan bahwa pengestimasi Bayes Shrink mampu memberikan
hasil yang lebih baik daripada pengestimasi SURE Shrink dengan selisih 7 dB pada
sensor akselerometer dan 14 dB pada sensor giroskop.