KLASIFIKASI KERUSAKAN MESIN POMPA DENGAN METODE SUPPORT VECTOR MACHINE (SVM)

Avie Aura Dzilfadhilah, 2011710012 (2021) KLASIFIKASI KERUSAKAN MESIN POMPA DENGAN METODE SUPPORT VECTOR MACHINE (SVM). Undergraduate thesis, Universitas Internasional Semen Indonesia.

[img] Text (COVER)
0. COVER.pdf

Download (38kB)
[img] Text (HALAMAN JUDUL)
1. HALAMAN JUDUL.pdf

Download (37kB)
[img] Text (HALAMAN PENGESAHAN)
2. HALAMAN PENGESAHAN.pdf
Restricted to Repository staff only

Download (362kB) | Request a copy
[img] Text (HALAMAN PERSETUJUAN PUBLIKASI)
3. HALAMAN PERSETUJUAN PUBLIKASI.pdf
Restricted to Repository staff only

Download (238kB) | Request a copy
[img] Text (HALAMAN PERNYATAAN ORISINALITAS)
4. HALAMAN PERNYATAAN ORISINAITAS.pdf
Restricted to Repository staff only

Download (280kB) | Request a copy
[img] Text (ABSTRAK)
5. ABSTRAK.pdf

Download (341kB)
[img] Text (KATA PENGANTAR)
6. KATA PENGANTAR.pdf
Restricted to Repository staff only

Download (334kB) | Request a copy
[img] Text (DAFTAR ISI)
7. DAFTAR ISI.pdf

Download (296kB)
[img] Text (DAFTAR GAMBAR)
8. DAFTAR GAMBAR.pdf
Restricted to Repository staff only

Download (274kB) | Request a copy
[img] Text (DAFTAR TABEL)
9. DAFTAR TABEL.pdf
Restricted to Repository staff only

Download (267kB) | Request a copy
[img] Text (BAB I PENDAHULUAN)
10. BAB I PENDAHULUAN.pdf

Download (351kB)
[img] Text (BAB II TINJAUAN PUSTAKA)
11. BAB II TINJAUAN PUSTAKA.pdf
Restricted to Repository staff only

Download (1MB) | Request a copy
[img] Text (BAB III METODOLOGI PENELITIAN)
12. BAB III METODOOGI PENELITIAN.pdf
Restricted to Repository staff only

Download (364kB) | Request a copy
[img] Text (BAB IV HASIL DAN PEMBAHASAN)
13. BAB IV HASIL DAN PEMBAHASAN.pdf
Restricted to Repository staff only

Download (643kB) | Request a copy
[img] Text (BAB V PENUTUP)
14. BAB V PENUTUP.pdf
Restricted to Repository staff only

Download (268kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
15. DAFTAR PUSTAKA.pdf

Download (355kB)
[img] Text (LAMPIRAN)
16. LAMPIRAN.pdf
Restricted to Repository staff only

Download (434kB) | Request a copy
[img] Text (FULL TEXT)
17. SKRIPSI - AVIE AURA DZILFADHILAH (2011710012).pdf
Restricted to Repository staff only

Download (2MB) | Request a copy
[img] Text (FULL TEXT DOC)
18. SKRIPSI - AVIE AURA DZILFADHILAH (2011710012).docx
Restricted to Repository staff only

Download (4MB) | Request a copy
[img] Text (JURNAL)
19. JURNAL - AVIE AURA DZILFADHILAH (2011710012).docx
Restricted to Repository staff only

Download (272kB) | Request a copy

Abstract

Mesin merupakan sebuah atau seperangkat alat mekanik atau elektrik menggunakan prinsip kerja mengubah energi untuk membantu kegiatan manusia atau menghasilkan produk tertentu. Kondisi sebuah mesin harus terus dijaga dan dipantau dalam keadaan baik, karena kualitas mesin yang buruk akan menurunkan produktivitas mesin serta produk yang dihasilkan tidak sesuai harapan. Maka dari itu dibutuhkannya pemeliharaan kondisi mesin agar penurunan keandalan tidak menyebabkan mesin tersebut mengalami kerusakan parah. Pada umumnya kerusakan yang sering terjadi adalah misalignment (tidak seporos), unbalance (ketidakseimbangan), dan bearing fault (kerusakan bantalan). Penelitian ini bertujuan untuk mengetahui hasil klasifikasi serta tingkat keakuratan kerusakan pada mesin menggunakan Machine Learning dengan metode SVM. Objek pada penelitian ini adalah pompa yang digunakan adalah pompa air tipe “Panasonic GP- 129” dari Laboratorium Rekayasa Akustik dan Fisika Bangunan Jurusan Teknik Fisika ITS dan memprediksi tiga kerusakan kondisi mesin yaitu misalignment, unbalance, dan bearing fault. Diharapkan pada penelitian ini dapat mengklasifikasikan kerusakan mesin dengan tingkat keakuratan lebih tinggi dibandingkan sebelumnya. Berdasarkan hasil penelitian menunjukkan bahwa klasifikasi kerusakan mesin pompa menggunakan metode SVM Linear memiliki performansi tingkat keakuratan sebesar 96,7%, SVM Quadratic sebesar 100%, SVM Cubic sebesar 96,7%. Pada penelitian ini, metode SVM juga dibandingkan dengan Decision Tree dan KNN. Metode SVM memiliki performansi lebih baik dibandingkan kedua metode tersebut dalam klasifikasi kerusakan mesin.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Support Vector Machine dan Machine Learning
Contributors:
ContributionNameEmail
Thesis advisorAnindita Adikaputri Vinaya, S.T., M.T.anindita.vinaya@uisi.ac.id
Subjects: T Technology > T Technology (General)
T Technology > TA Engineering (General). Civil engineering (General)
T Technology > TJ Mechanical engineering and machinery
Divisions: Department of Engineering Management
Depositing User: Avie Aura Dzilfadhilah
Date Deposited: 16 Sep 2021 14:55
Last Modified: 16 Sep 2021 14:55
URI: https://repository.uisi.ac.id/id/eprint/1706

Actions (login required)

View Item View Item