DIAGNOSA KEGAGALAN RODA GIGI BERBASIS SINYAL GETARAN MENGGUNAKAN METODE SUPPORT VECTOR MACHINE

Ardiansyah, Agil Rizki (2017) DIAGNOSA KEGAGALAN RODA GIGI BERBASIS SINYAL GETARAN MENGGUNAKAN METODE SUPPORT VECTOR MACHINE. Other thesis, Universitas Sebelas Maret.

[img] PDF - Published Version
Download (548Kb)

    Abstract

    Roda gigi merupakan komponen penting sebuah mesin rotasi sebagai sistem transmisi daya. Kerusakan roda gigi dapat mengakibatkan sistem tidak beroperasi dengan normal. Oleh karena itu diagnosis kerusakan roda gigi berbasis pemantauan kondisi mesin menjadi sangat penting. Tujuan dari penelitian ini adalah untuk mendiagnosis dan mengklasifikasikan kerusakan roda gigi berbasis sinyal getaran dengan metode Support Vector Machine (SVM). Penelitian ini menggunakan alat uji roda gigi yang diputar pada kecepatan konstan 1250 rpm dengan kondisi roda gigi : normal, patah gigi 25%, patah gigi 50% dan patah gigi 100% pada satu gigi. Sinyal getaran direkam menggunakan sebuah sensor accelerometer dengan frekuensi sampling 20 kHz yang dipasang pada arah radial. Fitur statistik dari sinyal getaran domain waktu seperti, peak value, range, RMS, kurtosis, variance, mean, skewness, dan impuls factor digunakan untuk untuk menganalisis kondisi kerusakan roda gigi. Principle Component Analysis (PCA) dipakai untuk mengurangi dimensi dari fitur roda gigi yang digunakan sebagai input multiclass SVM. Klasifikasi SVM diselesaikan dengan software MATLAB 2015b. Untuk proses klasifikasi digunakan metode One Against One (OAO) dan tiga fungsi kernel (kernel linier, kernel polynomial, kernel RBF). Hasilnya, kernel RBF dan kernel polynomial memiliki nilai akurasi yang lebih tinggi jika dibandingkan dengan menggunakan kernel linier. Akurasi model pelatihan adalah 100% dan akurasi pengujian dari SVM adalah 99.17%. Sehingga, hasil penelitian menunjukkan bahwa metode SVM dapat digunakan untuk mendiagnosis dan mengklasifikasikan kondisi kerusakan dari roda gigi. Kata kunci: roda gigi, fitur statistik, Principal Component Analysis (PCA), fungsi kernel, Support Vector Machine (SVM)

    Item Type: Thesis (Other)
    Subjects: T Technology > T Technology (General)
    T Technology > TJ Mechanical engineering and machinery
    Divisions: Fakultas Teknik
    Fakultas Teknik > Teknik Mesin
    Depositing User: Rea Aisha Champa
    Date Deposited: 17 Jul 2017 21:18
    Last Modified: 17 Jul 2017 21:18
    URI: https://eprints.uns.ac.id/id/eprint/33992

    Actions (login required)

    View Item