Selamat Datang di Repository Perpustakaan
Politeknik Negeri Madiun
Detail Skripsi
Dosen Pembimbing
Pembimbing 1
Dr. Eng. Agus Susanto, S.Pd., M.T.Pembimbing 2
Adiratna Ciptaningrum, S.T., M.T.Download File
IDENTIFIKASI JENIS KERUSAKAN BEARING DARI SINYAL GETARAN MENGGUNAKAN ALGORITMA ADABOOST
Fredy Aziz Prayogo
194308097 / D4 Perkeretaapian- Dipublikasikan pada 21 Oktober 2024
Abstrak
Bearing merupakan salah satu bagian dari elemen mesin rotasi yang memiliki peran penting yaitu menjaga kinerja mesin tetap dalam kondisi baik. Bearing sendiri terbagi dalam beberapa bagian seperti bola bearing (ball bearing), lintasan dalam (inner race), lintasan luar (outer race), dan sangkar bola (cage). Bearing berfungsi sebagai penumpu beban sebuah poros agar poros dapat berputar tanpa mengalami gesekan yang berlebihan. Apabila gesekan tersebut dibiarkan dan bearing terus digunakan maka dapat menimbulkan kerusakan. Kerusakan bearing dapat menyebabkan terhentinya proses produksi dan menimbulkan kerugian yang besar. Oleh karena itu, kerusakan pada bearing harus dideteksi sedini mungkin. Dikarenakan letak bearing sulit dijangkau, menyebabkan perawatan yang membutuhkan waktu dan biaya lebih untuk mengetahui kondisi bearing sehingga dibutuhkan metode yang cepat dan efisien. Berdasarkan permasalahan tersebut peneliti melakukan deteksi kerusakan pada bearing sehingga membantu dalam proses monitoring kerusakan, dengan memanfaatkan pengolahan sinyal digital (digital signal processing) menggunakan Fast Fourier Transform (FFT), HilbertHuang Transform (HHT), dan mengidentifikasi menggunakan algoritma AdaBoost berdasarkan sensor Accelerometer yang dipasang pada alat pengujian getaran (Bearing Test Rig). Dalam penelitian ini, hasil pemodelan menunjukkan bahwa model AdaBoost Pre-Processing HHT telah menunjukkan kinerja paling unggul dibandingkan model lain dalam memprediksi kondisi bearing berdasarkan data sinyal getaran. Metrik evaluasi yang digunakan untuk mengukur kinerja model menunjukkan bahwa rata-rata nilai accuracy, precision, recall, dan F1-score mencapai 95%. Hasil ini mengindikasikan bahwa model AdaBoost Pre-Processing HHT mampu memberikan prediksi yang akurat terkait kondisi bearing berdasarkan data getaran, sehingga dapat menjadi alat atau sistem yang berguna untuk deteksi dini kerusakan pada bearing.
Kata kunci : Deteksi Kerusakan Bearing, Sinyal Getaran, Fast Fourier Transform, Hilbert Huang Transform, AdaBoos