Assessment Operasional Pompa Berbasis AI terhadap Efisiensi Energi menuju Green Manufacturing di Kawasan Industri X

Wastewater Treatment Plant (WWTP) pada kawasan industri konvensional umumnya masih mengandalkan strategi pemeliharaan berbasis interval waktu yang tetap. Pendekatan tersebut berisiko menyebabkan penurunan performa pompa yang tidak teridentifikasi secara dini serta meningkatkan potensi pemborosan energi operasional. Penelitian ini mengembangkan Green Maintenance Framework berbasis machine learning untuk meningkatkan reliabilitas pompa sirkulasi pada sistem Moving Bed Biofilm Reactor (MBBR). Analisis dilakukan menggunakan dataset telemetri multi-sensor yang mencakup parameter getaran, temperatur, tekanan, debit aliran, dan rotasi per menit (RPM). Proses rekayasa fitur diterapkan melalui pembentukan System Efficiency Index untuk meningkatkan sensitivitas model terhadap indikator degradasi kinerja pompa. Model prediktif dibangun menggunakan algoritma Random Forest Classifier dengan skema pembagian data 80:20 secara stratified. Hasil pengujian menunjukkan bahwa model menghasilkan tingkat akurasi klasifikasi sebesar 100%, dengan variabel Vibration dan Temperature menjadi parameter yang paling dominan dalam proses prediksi. Analisis operasional memperlihatkan bahwa degradasi pompa menyebabkan penurunan flow rate meskipun nilai rotasi per menit (RPM) mengalami peningkatan, sehingga memicu kenaikan konsumsi energi dan meningkatkan risiko gangguan pada proses biologis Moving Bed Biofilm Reactor (MBBR). Dari aspek ekonomi, kondisi tersebut menyebabkan pemborosan energi sebesar 5.623 kWh atau setara Rp6.271.236, - per bulan untuk setiap unit pompa. Penelitian ini berkontribusi pada pengembangan sistem predictive maintenance berbasis kecerdasan buatan untuk mendukung efisiensi energi serta implementasi green manufacturing di kawasan industri.