Misalignment merupakan salah satu bentuk kerusakan umum pada
sistem transmisi kopling yang dapat menyebabkan peningkatan getaran dan
penurunan efisiensi kerja mesin. Penelitian ini bertujuan untuk mendiagnosis
misalignment pada kopling fleksibel menggunakan pendekatan pembelajaran mesin
berbasis sinyal getaran, dengan penerapan seleksi fitur Minimum Redundancy
Maximum Relevance (mRMR) dan model Analisis Diskriminan. Data diperoleh
dari pengukuran getaran pada kondisi misalignment angular dan paralel, yang
masing-masing diuji pada dua orientasi sumbu, yaitu radial dan aksial. Setiap
kondisi diuji pada tiga variasi kecepatan rotasi yaitu 500 rpm, 1000 rpm, dan
1500 rpm. Sinyal getaran kemudian diekstraksi menjadi fitur-fitur statistik
dari domain waktu dan frekuensi, yang diseleksi menggunakan mRMR untuk
mengurangi redundansi dan meningkatkan relevansi terhadap target klasifikasi.
Model Linear Discriminant Analysis (LDA) dan Quadratic Discriminant
Analysis (QDA) digunakan untuk proses klasifikasi. Hasil menunjukkan bahwa
QDA secara konsisten memberikan akurasi tertinggi dalam mendeteksi
misalignment, khususnya pada kondisi angular di sumbu radial. Fitur skewness
dan standard deviation menjadi parameter paling dominan dalam proses
identifikasi. Penelitian ini menunjukkan bahwa kombinasi metode mRMR dan
analisis diskriminan efektif untuk diagnosis misalignment berbasis sinyal
getaran.
