Penerapan Model BERT dalam Klasifikasi Otomatis Laporan Pemeliharaan Industri Menggunakan Natural Language Processing

Abstrak

Laporan pemeliharaan industri mengandung informasi penting mengenai kondisi peralatan, jenis kerusakan, serta tindakan perbaikan yang dilakukan. Namun laporan tersebut umumnya ditulis dalam bentuk teks bebas sehingga sulit dianalisis secara sistematis menggunakan pendekatan konvensional. Penelitian ini mengusulkan model klasifikasi otomatis terhadap laporan pemeliharaan industri menggunakan pendekatan Natural Language Processing (NLP) berbasis Bidirectional Encoder Representations from Transformers (BERT). Metode penelitian meliputi beberapa tahapan yaitu pengumpulan data, praproses teks, representasi teks menggunakan BERT, pelatihan model, serta evaluasi performa klasifikasi. Dataset yang digunakan terdiri dari laporan pemeliharaan yang dikategorikan ke dalam beberapa kelas seperti mechanical failure, electrical failure, sensor malfunction, hydraulic failure, dan operational issue. Evaluasi model dilakukan menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil eksperimen menunjukkan bahwa model BERT yang diusulkan mampu mencapai nilai accuracy sebesar 0,92 dan menunjukkan performa yang lebih baik dibandingkan metode machine learning tradisional seperti Naïve Bayes, Support Vector Machine, dan Random Forest. Hasil penelitian ini menunjukkan bahwa pendekatan BERT mampu meningkatkan proses analisis laporan pemeliharaan secara otomatis serta mendukung pengelolaan pemeliharaan berbasis data di lingkungan industri.