PEMISAHAN SINYAL BUNYI MESIN DENGAN UNSUPERVISED LEARNING – NMF PADA PENCAMPURAN LINIER INSTANTANEOUS

Fitri Nurmaulidah, 2011510093 (2018) PEMISAHAN SINYAL BUNYI MESIN DENGAN UNSUPERVISED LEARNING – NMF PADA PENCAMPURAN LINIER INSTANTANEOUS. Undergraduate thesis, Universitas Internasional Semen Indonesia.

	Text (ABSTRAK) 5. ABSTRAK.pdf Download (490kB)
	Text (DAFTAR ISI) 7. DAFTAR ISI.pdf Download (520kB)
	Text (BAB I) 10. BAB 1 PENDAHULUAN.pdf Download (346kB)
	Text (DAFTAR PUSTAKA) 15. DAFTAR PUSTAKA.pdf Download (457kB)
	Text (FULLTEXT) SKRIPSI-FITRI NURMAULIDAH 2011510093.pdf Restricted to Repository staff only Download (2MB) \| Request a copy
	Text (FULLTEXT DOC) SKRIPSI-FITRI NURMAULIDAH 2011510093.docx Restricted to Repository staff only Download (3MB) \| Request a copy

Abstract

Perawatan dan perbaikan dari sebuah mesin sangat erat hubungannya terhadap kinerja dari proses produksi. Metode pemeliharaan yang sering digunakan adalah predective maintenance dimana operator harus turun ke lapangan untuk memeriksa kondisi mesin. Pada penelitian ini diusulkan suatu metode analisis sinyal suara yang dihasilkan oleh mesin untuk mempermudah monitoring tanpa harus turun ke lapangan. Metode yang digunakan untuk memisahkan campuran suara mesin adalah Blind Source Separation (BSS) dengan algoritma Non-negative Matrix Factorization (NMF). Pendekatan yang digunakan dalam pemisahan sinyal campuran adalah unsupervised learning. Pengambilan data dilakukan pada ruang kedap suara sehingga pencampuran yang digunakan adalah linier instantaneous. Dalam proses pencampuran sinyal digunakan 2 konfigurasi, yaitu 2 sensor dan 3 sensor dengan jumlah sumber yang sama. Untuk mengidentifikasi jenis kerusakan mesin dapat dilihat dari frekuensi sesaat yang dihasilkan, semakin banyak jumlah sensor yang digunakan nilai frekuensi sesaat yang dihasilkan semakin mendekati nilai baseline-nya. Berdasarkan hasil pengujian performansi menggunakan Log Spectral Disance (LSD), didapatkan nilai terkecil pada estimasi 2 (unbalance) dengan nilai 1,0889 pada konfigurasi 2 sensor dan 1,1975 pada 3 sensor, sedangkan hasil pengujian performansi menggunakan Mean Square Error (MSE) nilai terkecil terletak pada estimasi 1 (missalignment) dengan nilai 3,7295 x10-5 pada konfigurasi 2 sensor dan 4,7631 x10-5 pada konfigurasi 3 sensor.

Item Type:

Thesis (Undergraduate)

Additional Information:

76/KK.18/UISI-01/MR

Uncontrolled Keywords:

Sinyal Bunyi, BSS, Unsupervised Learning, NMF

Contributors:

Contribution	Name	Email
Thesis advisor	Prof. Dr. Ing. Herman Sasongko, .	herman.sasongko@uisi.ac.id
Thesis advisor	Anindita Adikaputri Vinaya, S.T., M.T.	anindita.vinaya@uisi.ac.id

Subjects:

T Technology > TA Engineering (General). Civil engineering (General)

Divisions:

Department of Engineering Management

Depositing User:

Mahasiswa UISI

Date Deposited:

25 Jun 2020 08:30

Last Modified:

27 Jul 2020 13:57

URI:

https://repository.uisi.ac.id/id/eprint/234