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

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)