Penelitian ini mengkaji deteksi retak melintang pada poros berputar
dengan variasi kedalaman retak menggunakan sinyal getaran dan metode Support
Vector Machine (SVM). Poros memiliki peran penting dalam transmisi daya dan
rentan terhadap retak akibat beban siklik, yang dapat mengganggu operasi mesin.
Tujuan penelitian ini adalah mengembangkan model klasifikasi machine
learning untuk memperoleh fitur-fitur sensitif sebagai prediktor adanya
retak pada poros serta mengevaluasi unjuk kerja pemodelan SVM dalam diagnosis
retak pada poros berputar. Metode pemantauan kesehatan poros berbasis getaran
dipilih karena sensitivitasnya yang tinggi, sifatnya yang tidak merusak, dan
penerapannya yang luas di industri. Fitur sinyal getaran diekstraksi
menggunakan 13 fitur domain waktu dan 5 fitur domain frekuensi untuk
mengkarakterisasi kondisi poros. Distance Evaluation Technique (DET)
diterapkan untuk memilih fitur paling relevan guna meningkatkan akurasi model
klasifikasi. Model SVM dengan kernel linear, polynomial, dan gaussian
RBF digunakan untuk mengklasifikasikan tingkat keparahan retak. Hasil
penelitian menunjukkan bahwa akurasi model dengan 4 fitur menggunakan kernel
polynomial SVM mencapai 97,2% hingga 98,6%, sebagai upaya mendeteksi kerusakan
poros berdasarkan kedalaman retak. Temuan ini menunjukkan bahwa metode ini
efektif dan andal untuk pemantauan kondisi poros dalam industri.
