• Document: DIAGNOSA KERUSAKAN BANTALAN BOLA MENGGUNAKAN METODE SUPPORT VECTOR MACHINE
  • Size: 600.18 KB
  • Uploaded: 2019-03-24 10:37:15
  • Status: Successfully converted


Some snippets from your converted document:

DIAGNOSA KERUSAKAN BANTALAN BOLA MENGGUNAKAN METODE SUPPORT VECTOR MACHINE SKRIPSI Diajukan sebagai salah satu syarat untuk memperoleh gelar Sarjana Teknik Oleh: MUHAMMAD FATHURROHMAN NIM. I0411032 JURUSAN TEKNIK MESIN FAKULTAS TEKNIK UNIVERSITAS SEBELAS MARET 2017 DIAGNOSA KERUSAKAN BANTALAN BOLA MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) Muhammad Fathurrohman Jurusan Teknik Mesin, Fakultas Teknik, Universitas Sebelas Maret, Surakarta, Indonesia fathurrohman@student.uns.ac.id ABSTRAK Bantalan merupakan komponen penting pada mesin rotasi. Kegagalan yang terjadi secara tiba-tiba pada bantalan dapat berakibat fatal dan berbahaya ketika mesin beroperasi. Oleh karena itu, metode sistem perawatan berbasis kondisi mesin sangat diperlukan pada pemantauan kondisi bantalan. Penelitian ini bertujuan untuk mengaplikasikan metode Support Vector Machine (SVM) pada diagnosis kerusakan bantalan bola. Penelitian dilakukan pada rig uji bantalan dengan empat variasi kondisi bantalan bola, yaitu: cacat lintasan dalam, cacat pada bola, cacat lintasan luar, serta bantalan normal. Data sinyal didapatkan dari pengukuran sinyal getaran dengan frekuensi sampling 20kHz pada putaran konstan 1400 rpm. Ekstraksi fitur dilakukan pada sinyal getaran domain waktu menggunakan beberapa fitur statistik, yaitu: RMS, variance, standar deviasi, crest factor, shape factor, skewness, dan kurtosis, serta fitur log energy entropy dan sure entropy. Transformasi PCA diterapkan untuk mereduksi data hasil ekstraksi fitur. Klasifikasi SVM diselesaikan menggunakan perangkat lunak MATLAB 2016a dengan penyelesaian multiclass SVM menggunakan metode One-Against-One (OAO). Hasil pembelajaran SVM menunjukkan penerapan fungsi kernel RBF dengan nilai parameter C=1 merupakan konfigurasi terbaik. Pada akurasi model pelatihan didapatkan 98,93% dan akurasi pengujian model SVM diperoleh 97,5%. Hasil penelitian menunjukkan bahwa metode klasifikasi SVM mampu digunakan untuk diagnosis kerusakan pada bantalan bola. Kata kunci: diagnosis kerusakan, ekstraksi fitur, Principal Component Analysis (PCA), Support Vector Machine (SVM), bantalan bola iii BALL BEARING FAULT DIAGNOSIS USING SUPPORT VECTOR MACHINE (SVM) METHOD Muhammad Fathurrohman Department of Mechanical Engineering, Faculty of Engineering, Sebelas Maret University, Surakarta, Indonesia fathurrohman@student.uns.ac.id ABSTRACT Bearings are the critical part of any rotating machine. The catastrophic failure of the bearing can lead to fatal and harmful to the operation of the machine. Therefore, predictive maintenance based on condition monitoring of bearing is very important. The objective of this research is to apply Support Vector Machine (SVM) method for fault diagnosis of the ball bearing. The research was carried out at the bearing test rig. Four types of ball bearing condition, such as normal, inner race defect, ball defect, and outer race defect were measured of the vibration signals using data acquisition with a sampling frequency of 20 kHz at the constant speed of 1400 RPM. Various features were extracted from vibration signals in time domain, such as RMS, variance, standard deviation, crest factor, shape factor, skewness, kurtosis, log energy entropy and sure entropy. PCA transformation was employed to reduce the dimension of feature extracted data. SVM classification problems were solved using MATLAB 2016a. The results showed that the application of RBF kernel function with the C parameter =1 was the best configuration. The training model accuracy was 98.93% and the testing accuracy of SVM was 97.5%. Finally, the research results show that the SVM classification method can be used to diagnose the fault condition of the ball bearing. Keywords: fault diagnosis, feature extraction, Principal Component Analysis (PCA), Support Vector Machine (SVM), ball bearing iv KATA PENGANTAR Dengan menyebut nama Allah Yang Maha Pengasih lagi Maha Penyayang. Segala puji dan syukur penulis panjatkan kehadirat Allah SWT, karena berkat rahmat, hidayah, dan karunia-Nya penulis dapat menyusun dan menyelesaikan skripsi ini dengan baik. Skripsi ini disusun guna memenuhi persyaratan untuk memperoleh gelar Sarjana Teknik di Jurusan Teknik Mesin Universitas Sebelas Maret Surakarta. Dalam pengerjaan skripsi ini tidak mungkin dapat terselesaikan tanpa bantuan dari berbagai pihak, baik secara langsung maupun tidak langsung. Oleh karena itu, pada kesempatan ini penulis ingin menyampaikan terima kasih yang tulus kepada semua pihak yang telah membantu dalam menyelesaikan skrip

Recently converted files (publicly available):