RANCANG BANGUN ALAT PENDETEKSI KERUSAKAN PADA MESIN BERPUTAR BERDASARKAN LEVEL GETARAN DENGAN MENGGUNAKAN RASPBERRY PI DENGAN SISTEM KECERDASAN BUATAN DAN INTERNET OF THINGS

KURNIAWAN, RION and Dedi, Supriyadi and Novalio, Daratha (2025) RANCANG BANGUN ALAT PENDETEKSI KERUSAKAN PADA MESIN BERPUTAR BERDASARKAN LEVEL GETARAN DENGAN MENGGUNAKAN RASPBERRY PI DENGAN SISTEM KECERDASAN BUATAN DAN INTERNET OF THINGS. Other thesis, Universitas Bengkulu.

[thumbnail of Thesis] Archive (Thesis)
Skripsi_G1C020003_Rion Kurniawan - Rion Kurniawan.pdf - Bibliography
Restricted to Repository staff only
Available under License Creative Commons GNU GPL (Software).

Download (9MB)

Abstract

Mesin berputar merupakan komponen vital dalam industri karena intensitas
penggunaannya yang tinggi. Hal ini menyebabkan mesin berputar rentan mengalami
kerusakan yang berpotensi menimbulkan kerugian finansial besar. Untuk mengatasi
hal tersebut, diperlukan sistem monitoring yang mampu memantau kondisi mesin
secara berkala dan akurat. Penelitian ini bertujuan mengembangkan sistem
monitoring berbasis Internet of Things (IoT) yang dilengkapi dengan kecerdasan
buatan menggunakan arsitektur Convolutional Neural Network (CNN) untuk
mendeteksi kerusakan pada mesin berputar melalui sinyal getaran. Sistem
menggunakan sensor akselerometer ADXL335 untuk membaca getaran dengan
tingkat error maksimum sebesar 1,81%, serta sensor inframerah untuk mengukur
kecepatan putar mesin dengan error maksimum 2,11%. Sistem ini mampu
mengidentifikasi kondisi mesin seperti kondisi normal, unbalance, misalignment
angular, dan misalignment parallel dengan akurasi deteksi mencapai 99,9%. Fitur
yang dapat ditampilkan pada alat ini yaitu real time memberikan informasi level
getaran secara langsung, page analysis memberikan informasi data getaran berupa fft
dan domain waktu serta presentase kerusakan mesin, dan pagebox berisi seluruh
riwayat kerusakan yang dialami oleh mesin berputar. Seluruh page tersebut akan
dapat diakses menggunakan web browser dimana saja.
Kata Kunci : Getaran, Perawatan, Internet Of Things, Kecerdasan Buatan, CNN,
Kerusakan Mesin.

Item Type: Thesis (Other)
Subjects: T Technology > TJ Mechanical engineering and machinery
Divisions: Faculty of Engineering > Department of Mechanical Engineering
Depositing User: 58 lili haryanti
Date Deposited: 24 Sep 2025 07:47
Last Modified: 24 Sep 2025 07:47
URI: https://repository.unib.ac.id/id/eprint/26094

Actions (login required)

View Item
View Item

slot gacor terbaik

slot gacor terpercaya

Situs Resmi Bisawd

slot gacor 4d

Slot Terpercaya

Slot Gacor bet 200