Komparasi Algoritme Machine Learning Untuk Prediksi Pemeliharaan Preventif Precision Air Conditioning di Data Center

Abstract

Data Center atau pusat data merupakan fasilitas dasar untuk penerapan suatu layanan teknologi informasi yang menerapkan tren teknologi terkini harus terjamin ketersediaan layanannya selalu dapat diakses, sehingga dibutuhkan solusi pendukung sebagai bagian dari strategi pemeliharaan perangkat dan proses pemantauan operasional dalam rangka mempertahankan ketersediaan layanan data center. Pada penelitian ini membandingkan beberapa algoritme klasifikasi machine learning untuk memprediksi kondisi perangkat Precision Air Conditioning pada operasional data center. Dataset untuk penelitian ini adalah data log harian Precision Air Conditioning di Badan Riset dan Inovasi Nasional (BRIN). Tujuan dari penelitian ini, mengidentifikasi beberapa algoritme klasifikasi machine learning yakni Decision Tree, Random Forest, Artifcial Neural Network Multi Layer Perceptron, Naïve Bayes dan Support Vector Machine. Tahapan dari metode penelitian ini yakni analisis pemahaman terhadap masalah pengklasifikasian status pemeliharaan, pengambilan data data log Precision Air Conditioning, kemudian dilanjutkan proses beberapa pemodelan algoritme – algoritme machine learning dan evaluasi untuk mendapatkan model algoritme dengan hasil akurasi yang baik.  Hasil pengukuran pada evaluasi dari beberapa machine learning pada penelitian ini menghasilkan model decision tree C4.5 memiliki tingkat akurasi terbaik yakni 98,75 persen. Role yang dihasilkan dapat digunakan untuk memprediksi kondisi perangkat di data center sebagai tindakan preventif.