Penelitian ini mengembangkan metode diagnosis kerusakan pada motor induksi melalui condition monitoring dengan kecerdasan buatan. Kerusakan pada motor induksi dapat meningkat akibat penggunaan yang terus-menerus. Oleh karena itu, diagnosis kerusakan diperlukan sebagai langkah deteksi dini untuk mencegah kerusakan yang tidak diinginkan dan menjaga operasional motor induksi. Penelitian ini menggunakan sinyal arus dan getaran sebagai data yang diukur untuk analisis. Preprocessing data dilakukan dengan menggunakan Variational Mode Decomposition untuk mengatasi noise sinyal. Kemudian, ekstraksi fitur dilakukan dalam domain waktu dengan total 8 fitur yang secara bertahap dievaluasi untuk mencari tingkat akurasi yang lebih baik. Seleksi fitur menggunakan Principal Component Analysis dilakukan untuk mengurangi dimensi data. Metode klasifikasi yang digunakan adalah Support Vector Machine dengan pengujian terhadap setiap fungsi kernel. Hasil diagnosis menunjukkan akurasi 100% pada sinyal arus untuk kerusakan tunggal 3 kelas dan ganda 3 kelas, kemudian hasil terbaik menggunakan 8 fitur untuk kerusakan tunggal ganda 5 kelas. Diagnosis pada sinyal getaran, hasil terbaik menggunakan 6 fitur untuk kerusakan tunggal 3 kelas dan tunggal ganda 5 kelas serta 7 fitur untuk kerusakan ganda 3 kelas. Kemudian, fungsi kernel fine gaussian memberikan hasil akurasi rata-rata tertinggi dengan waktu komputasi yang relatif rendah.
