Diagnosis kegagalan merupakan elemen yang sangat vital untuk menjaga mesin berputar bekerja secara maksimal dan menghindari kerusakan tiba-tiba yang berakibat kerugian material maupun non-material. Penelitian ini bertujuan untuk membuat sistem diagnosis melalui proses penentuan fitur yang paling relevan untuk menjalankan model klasifikasi, penentuan jumlah fitur optimal, dan analisis performa model LDA dan QDA. Objek penelitian ini adalah motor listrik induksi yang mengalami berbagai kondisi kerusakan, termasuk rusak stator, rusak rotor, rusak bearing, rusak stator-bearing, rusak stator-rotor, rusak bearing- rotor, dan rusak stator-bearing- rotor. Sinyal getaran pada setiap kondisi tersebut diambil dengan frekuensi sampling 20 kHz. Penelitian ini menggunakan 12 fitur statistik terdiri dari 7 fitur domain waktu yaitu mean, standar deviasi, kurtosos, RMS, skewness, peak value, crest factor dan 5 fitur domain frekuensi yaitu mean frequency, median frequency, spectral entropy, powered spectral density, spectral centroid yang kemudian dipilih menggunakan algoritma relieff feature selection dan selanjutnya fitur terpilih digunakan sebagai parameter klasifikasi. Hasil dari penelitian ini adalah fitur statistik yang relevan untuk digunakan sebagai parameter klasifikasi yaitu RMS, Standar deviasi, PSD, dan Mean frequency. Penggunaan jumlah fitur optimal yaitu 2, 4, 6, 8 untuk kerusakan tunggal, 4, 6, 8 fitur untuk kerusakan ganda, dan 6, 8 untuk kerusakan tunggal–ganda. Sedangkan performa LDA dan QDA cenderung memiliki sedikit perbedaan.
