Diagnosis Kerusakan Roda Gigi Berbasis Sinyal Getaran Menggunakan Metode Convolutional Neural Network (CNN)
Penulis Utama
:
Muhammad Salman Alfarisi
NIM / NIP
:
I0420095
×<div xss="removed"><div xss="removed">Roda gigi merupakan sebuah komponen penting dalam sistem transmisi. Salah satu fungsinya yaitu menyalurkan tenaga dan gerakan dari penggerak utama ke mesin yang digerakan. Ketika roda gigi mengalami kerusakan, suatu mesin akan tidak berjalan dengan baik dan bahkan bisa membahayakan keselamatan. Oleh karena itu, diagnosis kerusakan roda gigi perlu dilakukan. Penelitian ini bertujuan untuk mendiagnosis kerusakan roda gigi menggunakan sinyal getaran dan metode CNN dengan fitur domain waktu, domain frekuensi, dan kombinasi fitur domain waktu dan fitur domain frekuensi. Dalam penelitian ini menggunakan empat jenis kondisi roda gigi yaitu kondisi normal, crack tooth, chipped tooth dan missing tooth. Keempat roda gigi ini dilakukan penelitian secara bergantian pada alat rig roda gigi yang diputar pada tiga variasi kecepatan yaitu 745 rpm, 1120 rpm, dan 1495 rpm. Dengan menggunakan sensor accelerometer dan frekuensi sampel 20 kHz ini akan menghasilkan sebuah data sinyal getaran. Convolutional Neural Network (CNN) digunakan sebagai metode untuk mendiagnosis dan mengklasifikasikan kerusakan roda gigi ini. Untuk proses klasifikasi digunakan 1 Dimension Convolutional Neural Network (1D-CNN). Klasifikasi CNN pada kecepatan 1495 rpm menghasilkan akurasi sebesar 98,14% pada domain waktu dan 100% pada domain frekuensi dan kombinasi fitur domain waktu dan fitur domain frekuensi. Di kecepatan 1120 rpm menunjukkan akurasi sebesar 97,08% pada domain waktu, 96,65% pada domain frekuensi dan 97,92% pada kombinasi fitur domain waktu dan fitur domain frekuensi. Untuk kecepatan 745 rpm akurasi yang didapat pada domain waktu dan frekuensi sebesar 98,74%, untuk kombinasi fitur domain waktu dan fitur domain frekuensi sebesar 99,38%. Dari hasil akurasi menunjukkan bahwa 1D-CNN dapat digunakan untuk mendiagnosis kerusakan roda gigi dengan akurasi yang baik. Penggunaan kombinasi fitur domain waktu dan fitur domain frekuensi memberikan hasil yang lebih baik dibandingkan fitur domain waktu dan fitur domain frekuensi. Model CNN mampu mendiagnosis kerusakan roda gigi pada kecepatan yang berbeda.<br></div></div>
×
Penulis Utama
:
Muhammad Salman Alfarisi
Penulis Tambahan
:
-
NIM / NIP
:
I0420095
Tahun
:
2024
Judul
:
Diagnosis Kerusakan Roda Gigi Berbasis Sinyal Getaran Menggunakan Metode Convolutional Neural Network (CNN)
Edisi
:
Imprint
:
Surakarta - Fak. Teknik - 2024
Program Studi
:
S-1 Teknik Mesin
Kolasi
:
Sumber
:
Kata Kunci
:
Diagnosis kerusakan roda gigi, Sinyal getaran, Fitur domain, Kecepatan, Convolutional Neural Network (CNN)
Jenis Dokumen
:
Skripsi
ISSN
:
ISBN
:
Link DOI / Jurnal
:
-
Status
:
Public
Pembimbing
:
1. Dr. Didik Djoko Susilo, S.T., M.T 2. Dr. Purwadi Joko Widodo, S.T., M.Kom
