Perpustakaan Digital ITB

PT X adalah holding company manufaktur makanan ringan dengan berbagai cabang di Indonesia. PT X melakukan transformasi secara masif di pabrik Cikarang yang baru saja di akusisi, mulai dari transformasi secara organisasi sampai ke transformasi secara sistem. Departemen produksi PT X membutuhkan sebuah sistem yang dapat menggunakan data mentah di lapangan untuk meramalkan nilai OEE dan downtime dalam beberapa waktu kedepan. OEE adalah sebuah metrik yang menilai seberapa besar potensi mesin yang digunakan. Oleh karena itu, penelitian ini akan membangun sebuah data pipelines yang dapat menarik data mentah dari lapangan menjadi sebuah tabel data yang dapat digunakan untuk tujuan analisis, dengan metrik utamanya adalah OEE. Pembangunan pipeline dilakukan dengan skrip Python dengan menggunakan pendekatan ETL (Extraction, Transformation, Loading). Tahap ekstraksi menarik data dari 2 sumber, yaitu database influxdb dan mesin. Tahap transformasi dilakukan dengan menyusun variabel-variabel yang ada demi menurunkan nilai OEE, lalu tahap muat dilakukan analisa peramalan nilai OEE dan downtime. Untuk memberikan contoh penggunaan data pipeline, data hasil pengolahan pipelines digunakan untuk meramalkan nilai OEE dan downtime. Model ARIMA, XGBoost dan LSTM dibangun untuk data OEE, dan model multivariat dibangun dengan AutoTS untuk data downtime. Hasil evaluasi dari tiga metode peramalan, yaitu ARIMA, XGBoost, dan LSTM, menunjukkan performa yang berbeda dalam memprediksi data. Dalam hal Mean Squared Error (MSE), ARIMA memiliki nilai sebesar 0.1017, XGBoost dengan 0.0642, dan LSTM 0.0709. Begitu pula dengan Root Mean Squared Error (RMSE), di mana ARIMA memiliki nilai 0.3190, XGBoost 0.2527, dan LSTM 0.2119. Secara keseluruhan, evaluasi menunjukkan bahwa XGBoost memiliki nilai MSE dan RMSE yang lebih rendah dibandingkan ARIMA dan LSTM, menandakan performa yang lebih baik dalam memprediksi data. Sedangkan dalam Mean Absolute Error (MAE), XGBoost juga menunjukkan performa terbaik dengan nilai 0.1763, sedangkan ARIMA memiliki nilai 0.2736 dan LSTM 0.2662. Hasil evaluasi dari metode blackbox memilih model terbaik adalah Model Autoregressive Matrix (MAR).