Transformator daya adalah bagian terpenting dari sistem tenaga listrik. Dalam sistem transmisi
tenaga. Pengoperasiannya yang penting dan harga transfromator yang mahal membuat
kegagalan trafo sangat tidak dapat diharapkan dalam sistem tenaga listrik. Pemeliharaan trafo
yang benar diperlukan untuk menghindari terhentinya proses produksi, kerugian material dan
immaterial, kerusakan peralatan lain dan untuk memprediksi keandalan aset. Prosedur
perawatan yang sering dilakukan dalam industri tenaga listrik menggunakan Time Based
Maintenance (TBM) atau Condition Based Maintenance (CBM). Health index dan perhitungan
estimasi remaining life digunakan sebagai penilaian kehandalan asset dan generalisasi kondisi
transformator. Pada penelitian kali ini digunakan 1328 data minyak transformator sebagai data
training machine learning dan 79 data minyak transformator hasil asesmen lapangan untuk
menguji performa machine learning. Pada penelitian kali ini digunakan metoda perhitungan
health index dengan metoda non historical dan metoda historical. Selain itu digunakan
algoritma Neural Network, Decision Tree, dan Naïve bayes untuk memprediksi health index.
Pada penelitian kali ini juga menggunakan rumus cheng dong, SDMyers, dan pradhan untuk
memperkirakan remaining life transformator. Pada penelitian kali ini akurasi metode
perhitungan non historical adalah 84,8% dan metode historical akurasinya adalah 84,8%. Hasil
prediksi machine learning non historical adalah 86,0% dan metode machine learning historical
akurasinya adalah 83,5%. 65 sampel transformator memiliki estimasi remaining life di kondisi
normal aging, 3 sampel transformator accelerate aging, 5 sampel minyak transformator
excessive aging, 2 sampel transformator substansial depolymerization. Health Index dan
estimasi remaining life digunakan untuk menilai keandalan transformator daya secara
keseluruhan, menilai risiko transformator daya, dan merencanakan pemeliharaan di masa
mendatang. Data non-historis dan historis dapat digunakan dalam memberikan hasil evaluasi
transformator daya.