SEGMENTASI SUARA GETARAN PADA BEARING MENGGUNAKAN ALGORITMA INDEPENDENT COMPONENT ANALYSIS DAN KLASIFIKASI LEVEL GETARAN DENGAN ALGORITMA RANDOM FOREST

Bearing merupakan elemen mesin yang dirancang untuk mengurangi
gesekan pada putaran poros dan pasangannya. Getaran bearing yang berlebihan
mempengaruhi performa dan juga umur kekuatan dari bearing. Sinyal getaran yang
didapatkan oleh sensor adalah gabungan sinyal dari getaran yang berada di sekitar
bearing seperti pada mobil yaitu getaran pada differensial gear dan getaran pada
penggerak. Untuk mendapatkan sinyal getaran asli dari bearing, digunakan metode
Blind Source Separation (BSS). Data sinyal getaran yang telah didapatkan,
dilakukan pemisahan sinyal campuran menggunakan algoritma FastICA. Hasil
pemisahan sinyal diklasifikasikan dengan menggunakan algoritma Random Forest.
Kondisi yang akan diklasifikasikan yaitu kondisi normal dan rusak dengan kondisi
rusak divariasikan jenis kerusakannya yaitu dengan 1 bola dilepas, kondisi rusak
dengan 2 bola dilepas, kondisi rusak dengan 3 bola dilepas, dan kondisi rusak
dengan 4 bola dilepas. Hasil dari Pemisahan sinyal yang dilakukan oleh algoritma
FastICA dengan Cross Spectral Density untuk mengurutkan keluaran algoritma
yang acak. Nilai akurasi yang dihasilkan oleh variasi dengan mensplit data
sebanyak 500 sampel dan menggunakan algoritma FastICA memiliki nilai akurasi
yaitu sebesar 89.2% dapat digunakan untuk mengklasifikasi kondisi bearing normal
dan rusak, walaupun pada kondisi rusak dengan variasi bola dilepas kurang sesuai.
Kata kunci : Bearing, FastICA, Random Forest, Sensor akselerometer