KLASIFIKASI KONDISI MISALIGNMENT PADA ROTOR DINAMIK MENGGUNAKAN METODE 1D CONVOLUTIONAL NEURAL NETWORK

NAUFAL, HAFIZH DHIYA ULHAQ and Dedi, Suryadi and Ferzha, Putra Utama (2024) KLASIFIKASI KONDISI MISALIGNMENT PADA ROTOR DINAMIK MENGGUNAKAN METODE 1D CONVOLUTIONAL NEURAL NETWORK. Undergraduated thesis, Universitas Bengkulu.

Archive (Thesis) Fix_Naskah Full_Skripsi_Naufal Hafizh D.U_G1A018046 - Naufal Hafizh.pdf - Bibliography Restricted to Repository staff only Available under License Creative Commons GNU GPL (Software). Download (5MB)

Abstract

Penggunaan model Machine Learning merupakan salah satu solusi yang dapat digunakan oleh ahli di bidang vibrasi karena dapat mempermudah dalam mendiagnosa kerusakan pada mesin. One Dimensional Neural Network (1D-CNN) merupakan jenis arsitektur jaringan saraf yang dirancang khusus untuk meproses data berdimensi satu, seperti deret waktu atau data sinyal. Oleh karena itu, penelitian ini bertujuan untuk merancang sebuah model klasifikasi untuk mendiagnosa kerusakan pada mesin berdasarkan respon getaran mesin. Pengumpulan data dilakukan dengan cara mengukur data respon getaran mesin di laboratorium mesin di Prodi Teknik Mesin Universitas Bengkulu dan melakukan preprocessing sehingga mendapatkan data respon getaran mesin normal dan mesin dengan jenis kerusakan Misalignment Paralel, Misalignment Angular dan Misalignment Kombinasi dengan perputaran 1000 rpm, 1500 rpm, 2000 rpm dan 2500 rpm. Hasil evaluasi dari model menunjukkan bahwa model 1D-CNN mampu mengklasifikasikan kerusakan mesin dengan rata-rata akurasi mencapai 95%. Pengujian prediksi klasifikasi juga menunjukan keberhasilan untuk memprediksi kerusakan misalignment terhadap data uji yang dimiliki. Kata kunci : Klasifikasi, Respon Getaran, One-Dimensional Covolutional Neural Network (1D-CNN)

Actions (login required)

View Item