| dc.contributor.advisor | KAMIEL, BERLI PARIPURNA | |
| dc.contributor.advisor | RIYANTA, BAMBANG | |
| dc.contributor.author | WICAKSONO, KURNIAWAN BUDI | |
| dc.date.accessioned | 2020-02-17T04:14:58Z | |
| dc.date.available | 2020-02-17T04:14:58Z | |
| dc.date.issued | 2019-10-19 | |
| dc.identifier.uri | http://repository.umy.ac.id/handle/123456789/31769 | |
| dc.description | Kipas adalah suatu alat mekanika yang berfungsi untuk menghasilkan flow
atau aliran pada suatu fluida, biasanya berupa udara. Dalam Fan industri, ada
sebuah sistem penggerak yaitu rangkaian roda gigi yang berfungsi untuk mereduksi
putaran. Roda gigi sering mengalami kerusakan, sehingga putaran yang dihasilkan
tidak maksimal. Maka, penelitian ini bertujuan untuk mengukur efektifitas Time
Synchronous Averaging (TSA) dengan Support Vector Machine (SVM) untuk
meneliti kerusakan pada roda gigi.
Penelitian ini menggunakan metode Support Vector Machine (SVM), untuk
mengklasifikasikan berbagai variasi kondisi dari masing-masing cacat roda gigi.
Dalam penelitian ini menggunakan software MATLAB 2018a. terdapat 3 jenis
variasi kondisi roda gigi (normal, cacat 1 dan cacat 2), masing-masing dilakukan
perekaman sebanyak 500 file tiap kondisi. Dikelompokkan dalam dua data yaitu
data asli dan data dengan Time Synchronous Averaging (TSA). Setiap variasi
kondisi diekstraksi ke dalam sejumlah parameter statistik domain waktu dan
diseleksi menggunakan Relief Feature Selection. Klasifikasi SVM dilakukan
dengan metode binary (dua kelas) dan multi class (banyak kelas), menggukan
fungsi kernel Radial Basic Function (RBF).
Hasil dari penelitian yang dilakukan pada beberapa variasi roda gigi ini,
yaitu pada data tanpa perlakukan TSA menunjukkan pengklasifikasian yang optimal
dengan tingkat akurasi 100%. Sedangkan data yang mendapatkan perlakukan
(setelah) TSA pada klasifikasi SVM menunjukkan hasil yang tidak optimal, yakni
dengan tingkat akurasi 90,9% | en_US |
| dc.description.abstract | The fan is a mechanical device that functions to produce flow in a fluid,
usually in the form of air. In fan industry, there is a drive system that is a series of
gears that serves to reduce rotation. The gears often suffer damage, so the resulting
rotation is not optimal. Thus, this study aims to measure the effectiveness of Time
Synchronous Averaging (TSA) with Support Vector Machine (SVM) to examine
damage to gears.
This study uses the Support Vector Machine (SVM) method, to classify
various variations of conditions from each gear fault. In this study using MATLAB
2018a software. There are 3 types of gear condition variations (normal, fault 1 and
fault 2), each recording of 500 files per condition is performed. Grouped into two
data, namely the original data and data with Time Synchronous Averaging (TSA).
Each variation of conditions is extracted into a number of time domain statistical
parameters and selected using the Relief Feature Selection. SVM classification is
done by binary (two classes) and multi classes (many classes), using the Radial
Basic Function (RBF) kernel function.
The results of research conducted on several variations of this gear, namely
the data without TSA treatment showed optimal classification with 100% accuracy.
While the data that gets the treatment (after) TSA in the SVM classification shows
results that are not optimal, namely with an accuracy rate of 90.9% | en_US |
| dc.publisher | FAKULTAS TEKNIK UNIVERSITAS MUHAMMADIYAH YOGYAKARTA | en_US |
| dc.subject | industry fan, cogwheel, Support Vector Machine (SVM), Time Synchronous Averaging (TSA), Radial Basic Function (RBF). | en_US |
| dc.title | DETEKSI CACAT RODA GIGI PADA SISTEM TRANSMISI FAN INDUSTRI MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM) | en_US |
| dc.type | Thesis | en_US |
