| Perawatan merupakan aktivitas yang tidak dapat dipisahkan dalam konteks manufaktur produk, dan dilakukan agar komponen/ mesin dapat mempertahankan fungsinya, agar tidak terjadi kegagalan yang dapat mengurangi produktivitas dari mesin. Salah satu jenis perawatan yang dibutuhkan untuk memitigasi kegagalan total pada mesin adalah perawatan prediktif. Perawatan prediktif, seiring dengan kemajuan zaman sudah tidak mengandalkan visual / indra lainnya, tetapi dapat dikombinasikan menjadi pengamatan terotomatisasi dengan menggunakan metode pembelajaran mesin. Penerapannya pada pabrik pasta gigi yang memiliki mesin pengisi tube, dapat dilakukan dengan mengkombinasikan hasil pengamatan pada sensor dengan metode pembelajaran mesin. Tujuan dari penelitian ini adalah meningkatkan nilai efisiensi peralatan secara total (OEE) hingga 10 % dengan melakukan prediksi pada komponen yang akan mengalami kerusakan. Metode pembelajaran mesin yang akan diuji pada penelitian ini adalah random forest regression dan linear regression. Hasil penelitian ini menunjukkan bahwa akurasi prediksi dari pembelajaran mesin dengan metode random forest regression sebesar 88% dari data aktual, dan linear regression memiliki akurasi 59% dari data aktual. Setelah melakukan implementasi sistem pada mesin, nilai OEE meningkat sebesar 13.10%, dan kegagalan mesin yang tidak terencana berkurang sebanyak 62.38 % pada bagian yang diamati oleh sistem. Implementasi sistem dapat mengurangi faktor kegagalan tidak terencana pada mesin secara signifikan. |