Unbalance merupakan fenomena umum yang sering terjadi pada sistem rotasi dan dapat menyebabkan getaran diluar batas normal. Getaran yang ditimbulkan tersebut diakibatkan oleh distribusi massa tidak rata yang dapat merusak berbagai komponen sistem sehingga berdampak pada penurunan efisiensi. Penelitian ini bertujuan untuk mengidentifikasi kondisi unbalance berbasis sinyal getaran menggunakan kombinasi model Discriminant Analysis dan seleksi fitur Minimum Redundancy Maximum Relevance (mRMR). Data sinyal getaran diperoleh dari pengujian pada static, couple, dan dynamic unbalance dengan empat variasi kecepatan kerja, yaitu 500 RPM, 1000 RPM, 1500 RPM, dan 2000 RPM. Kemudian, setiap data diekstraksi menggunakan 7 fitur domain waktu dan 4 fitur domain frekuensi untuk memperoleh karakteristik masing-masing kondisi. Fitur-fitur tersebut dipilih oleh algoritma mRMR berdasarkan tingkat relevansi tertinggi terhadap kondisi dan redundansi terendah antar fitur. Fitur yang terpilih digunakan sebagai input model Discriminant Analysis yang terdiri dari dua pendekatan, yaitu Linear Discriminant Analysis (LDA) dan Quadratic Discriminant Analysis (QDA). Hasil penelitian ini menunjukkan bahwa kombinasi model LDA dan QDA dengan algoritma mRMR mampu mengklasifikasikan setiap kondisi unbalance di berbagai kecepatan kerja dengan baik terutama pada penggunaan enam fitur terbaik, dibuktikan dengan perolehan rata-rata akurasi secara keseluruhan pada model LDA sebesar 95.80 ?n model QDA sebesar 96.38 %.