Rotating equipment, seperti pompa, turbin, dan compressor, merupakan elemen vital dalam industri manufaktur, tetapi rentan terhadap kerusakan akibat kondisi operasional yang keras, terutama pada komponen-komponen seperti bearing. Untuk mempertahankan kinerja optimal mesin, strategi pemeliharaan terprediksi (predictive maintenance) menjadi sangat penting. Salah satu pendekatan yang efektif adalah menggunakan teknik analisis vibrasi untuk memprediksi Remaining Useful Life (RUL) dari bearing. Penelitian ini bertujuan untuk mengembangkan model matematika berbasis degradasi eksponensial untuk memprediksi RUL dengan akurasi tinggi. Metode penelitian ini terdiri dari dua tahap utama. Pertama, dilakukan analisis regresi linier untuk memprediksi health indicator pada bearing berdasarkan data vibrasi yang dikumpulkan dari sensor-sensor yang terpasang pada rotating equipment. Kemudian, dilakukan analisis degradasi eksponensial untuk memodelkan tren penurunan kesehatan bearing dari waktu ke waktu. Data yang digunakan dalam penelitian ini meliputi data vibrasi yang terus-menerus dipantau dari berbagai mesin rotating equipment di lingkungan industri. Pengujian Root Mean Squared Error (RMSE) dilakukan untuk keempat bearing, dengan hasil sebagai berikut: RMSE untuk Bearing A adalah 0.12476, untuk Bearing B adalah 0.11957, untuk Bearing C adalah 0.11912, dan untuk Bearing D adalah 0.11961. Hasil eksperimen menunjukkan bahwa pendekatan berbasis degradasi eksponensial memiliki keunggulan dalam memprediksi RUL pada bearing dengan tingkat ketidakpastian yang dapat diakomodasi. Analisis statistik menunjukkan bahwa model yang dikembangkan mampu memberikan prediksi RUL dengan tingkat kepercayaan yang memadai, memungkinkan perencanaan pemeliharaan preventif yang lebih optimal. Implikasi dari hasil penelitian ini sangat signifikan dalam konteks industri manufaktur. Efisiensi dan ketersediaan mesin rotating equipment dapat ditingkatkan secara substansial dengan memanfaatkan teknik predictive maintenance yang dikembangkan. Hal ini akan berkontribusi pada peningkatan produktivitas dan keandalan proses produksi secara keseluruhan.