DETEKSI ANOMALI PADA MESIN POMPA BERDASARKAN FITUR AKUSTIK DAN MACHINE LEARNING

Tiffani Febiola Aciandra, 2011810035 (2022) DETEKSI ANOMALI PADA MESIN POMPA BERDASARKAN FITUR AKUSTIK DAN MACHINE LEARNING. Undergraduate thesis, Universitas Internasional Semen Indonesia.

	Text (COVER) 0. COVER.pdf Download (172kB)
	Text (HALAMAN JUDUL) 1. HALAMAN JUDUL.pdf Download (112kB)
	Text (HALAMAN PENGESAHAN) 2. HALAMAN PENGESAHAN.pdf Restricted to Registered users only Download (307kB) | Request a copy
	Text (HALAMAN PERSETUJUAN PUBLIKASI) 3. HALAMAN PERSETUJUAN PUBLIKASI.pdf Restricted to Repository staff only Download (251kB) | Request a copy
	Text (HALAMAN PERNYATAAN ORISINALITAS) 4. HALAMAN PERNYATAAN ORISINALITAS.pdf Restricted to Repository staff only Download (247kB) | Request a copy
	Text (ABSTRAK) 5. ABSTRAK.pdf Download (252kB)
	Text (KATA PENGANTAR) 6. KATA PENGANTAR.pdf Restricted to Repository staff only Download (247kB) | Request a copy
	Text (DAFTAR ISI) 7. DAFTAR ISI.pdf Download (309kB)
	Text (DAFTAR GAMBAR) 8. DAFTAR GAMBAR.pdf Restricted to Repository staff only Download (275kB) | Request a copy
	Text (DAFTAR TABEL) 9. DAFTAR TABEL.pdf Restricted to Repository staff only Download (267kB) | Request a copy
	Text (BAB I PENDAHULUAN) 10. BAB I PENDAHULUAN.pdf Download (312kB)
	Text (BAB II TINJAUAN PUSTAKA) 11. BAB II TINJAUAN PUSTAKA.pdf Restricted to Repository staff only Download (760kB) | Request a copy
	Text (BAB III METODOLOGI PENELITIAN) 12. BAB III METODELOGI PENELITIAN.pdf Restricted to Repository staff only Download (630kB) | Request a copy
	Text (BAB IV HASIL DAN PEMBAHASAN) 13. BAB IV HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text (BAB V PENUTUP) 14. BAB V PENUTUP.pdf Restricted to Repository staff only Download (248kB) | Request a copy
	Text (DAFTAR PUSTAKA) 15. DAFTAR PUSTAKA.pdf Download (382kB)
	Text (LAMPIRAN) 16. LAMPIRAN.pdf Restricted to Repository staff only Download (197kB) | Request a copy
	Text (FULL TEXT) 17. SKRIPSI - TIFFANI FEBIOLA ACIANDRA (2011810035).pdf Restricted to Repository staff only Download (2MB) | Request a copy
	Text (FULL TEXT DOC) 18. SKRIPSI - TIFFANI FEBIOLA ACIANDRA (2011810035).docx Restricted to Repository staff only Download (7MB) | Request a copy
	Text (JURNAL) 19. JURNAL - TIFFANI FEBIOLA ACIANDRA (2011810035).docx Restricted to Repository staff only Download (500kB) | Request a copy

Abstract

Deteksi anomali pada mesin industri, telah diakui sebagai salah satu teknik yang penting dalam sistem pemeliharaan prediktif. Akustik mesin industri dapat digunakan untuk mendeteksi kondisi mesin, apakah dalam keadaan normal atau tidak. Pada industri smart factory, pengenalan kegagalan akustik telah digunakan sebagai peringatan dini dari kegagalan mesin. Tujuan penelitian ini adalah untuk mengetahui hasil deteksi anomali mesin pompa industri beserta klasifikasinya. Penelitian ini dibagi menjadi empat skenario untuk melihat peningkatan model performansi dari fitur yang digunakan. Penelitian ini menggunakan wavefile sebagai dataset dengan nilai Signal to Noise Rasio (SNR) sebesar -6 dB, 0 dB, dan 6 dB. Total dataset setelah proses undersampling adalah 600. Jumlah data training yang digunakan sebesar 70% dari total dataset pada setiap kondisi dan 30% sisanya untuk data testing. Fitur akustik yang digunakan berasal dari domain waktu, domain frekuensi, dan domain waktu-frekuensi. Pada penelitian ini dilakukan klasifikasi kondisi mesin ke dalam machine learning yang berupa Support Vector Machine (SVM). Model SVM dievaluasi performansinya berdasarkan variasi nilai SNR dan fitur akustik. Hasil penelitian menunjukkan bahwa pada skenario 1 hingga 3, skenario 2 memiliki performansi yang lebih baik dibandingkan yang lain dengan rata-rata accuracy mencapai 88,70% dari model Optimizable SVM. Sedangkan pada skenario 4, peningkatan performansi diperoleh ketika fitur akustik domain waktu-frekuensi berupa MFCC digunakan dengan rata-rata accuracy mencapai 99,88% dari model Medium Gaussian SVM.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Deteksi Anomali, Mesin Pompa, Machine Learning, Fitur Akustik, Support Vector Machine (SVM)
Contributors:	Contribution Name Email Thesis advisor Anindita Adikaputri Vinaya, S.T., M.T. anindita.vinaya@uisi.ac.id
Subjects:	T Technology > T Technology (General) T Technology > TJ Mechanical engineering and machinery
Divisions:	Department of Engineering Management
Depositing User:	Tiffani Febiola Aciandra
Date Deposited:	11 Feb 2022 10:25
Last Modified:	11 Feb 2022 10:25
URI:	https://repository.uisi.ac.id/id/eprint/2914

Actions (login required)

View Item