Deteksi Anomali pada Wayside Unit CBTC di MRT Jakarta Menggunakan Random Forest untuk Rekomendasi Condition-Based Maintenance

Sistem komunikasi berbasis CBTC (Communication-Based Train Control) pada moda transportasi modern sangat bergantung pada keandalan perangkat wayside unit. Kegagalan pada komponen ini dapat mengganggu keselamatan dan kelancaran operasional kereta. Penelitian ini bertujuan untuk menganalisis hubungan suhu, kelembaban, dan tegangan catu daya terhadap kinerja wayside unit CBTC yang diukur oleh Receive Signal Level (RSL) di area operasional MRT Jakarta dan juga merancang model deteksi anomali untuk analisis kinerja wayside unit CBTC sebagai acuan Condition-Based Maintenance (CBM). Hasil penelitian menunjukkan bahwa model deteksi anomal menggunakan Random Forest yang dilatih dengan 50.000 data latih yang dibuat secara sintetis dan 3.638 data uji yang diperoleh dari hasil monitoring wayside unit CBTC mampu mendeteksi anomali dengan akurasi, presisi, recall, dan F1-score mencapai 100%. Peningkatan suhu panel dan perangkat, serta melemahnya sinyal RSL A, ditemukan sebagai fitur dominan penyebab anomali. Model ini juga memberikan rekomendasi CBM berdasarkan frekuensi anomali, seperti rekomendasi pemeriksaan pada system pendingin dan kipas yang mempengaruhi suhu panel dan perangkat serta pemeriksaan komponen komunikasi dan kabel dari wayside unit CBTC. Hasil ini menunjukkan bahwa model tidak hanya akurat dalam klasifikasi, tetapi juga memberikan kontribusi dalam peringatan dini dan pengambilan keputusan pemeliharaan. Model ini dapat diimplementasikan untuk memantau dan merekomendasikan pemeliharaan pada sistem wayside unit CBTC di MRT Jakarta.