Kipas sentrifugal banyak digunakan dalam industri untuk proses pendinginan, pengeringan, dan pemindahan material dalam aliran gas, sehingga kerusakan mendadak bisa menyebabkan kerugian besar bagi industri karena berhentinya proses produksi. Penelitian ini bertujuan mengembangkan model diagnosis kerusakan kipas sentrifugal melalui sinyal getaran dan akustik dengan metode Decision tree untuk deteksi dini kerusakan. Data sinyal diperoleh secara eksperimen dengan kipas dalam kondisi normal dan diberi cacat buatan ketidakseimbangan, bilah retak, dan bilah hilang pada kecepatan 2800 rpm dan 1400 rpm. Data sinyal diekstraksi menggunakan 14 fitur yang terdiri dari 11 fitur domain waktu dan 3 fitur domain frekuensi, kemudian diseleksi menggunakan metode minimum Redundancy Maximum Relevance (mRMR). Fitur terpilih kemudian digunakan untuk membuat model klasifikasi menggunakan Decision tree. Hasil penelitian menunjukkan model Decision tree efektif mengklasifikasikan kerusakan, dengan sinyal getaran memberikan hasil lebih baik dibandingkan sinyal akustik, baik pada kecepatan 2800 rpm maupun 1400 rpm. Akurasi sinyal getaran pada 2800 rpm mencapai 100% (training dan testing), dan pada 1400 rpm mencapai 98,4% (training) dan 98,8% (testing). Akurasi sinyal akustik pada 2800 rpm adalah 99,1% (training) dan 98,8% (testing), sementara pada 1400 rpm adalah 96,8% (training) dan 94,6% (testing).
