ABSTRAK

Bantalan merupakan komponen penting pada mesin rotasi. Kegagalan yang terjadi secara tiba-tiba pada bantalan dapat berakibat fatal dan berbahaya ketika mesin beroperasi. Oleh karena itu, metode sistem perawatan berbasis kondisi mesin sangat diperlukan pada pemantauan kondisi bantalan. Penelitian ini bertujuan untuk mengaplikasikan metode Support Vector Machine (SVM) pada diagnosis kerusakan bantalan bola. Penelitian dilakukan pada rig uji bantalan dengan empat variasi kondisi bantalan bola, yaitu: cacat lintasan dalam, cacat pada bola, cacat lintasan luar, serta bantalan normal. Data sinyal didapatkan dari pengukuran sinyal getaran dengan frekuensi sampling 20kHz pada putaran konstan 1400 rpm. Ekstraksi fitur dilakukan pada sinyal getaran domain waktu menggunakan beberapa fitur statistik, yaitu: RMS, variance, standar deviasi, crest factor, shape factor, skewness, dan kurtosis, serta fitur log energy entropy dan sure entropy. Transformasi PCA diterapkan untuk mereduksi data hasil ekstraksi fitur. Klasifikasi SVM diselesaikan menggunakan perangkat lunak MATLAB 2016a dengan penyelesaian multiclass SVM menggunakan metode One-Against-One (OAO). Hasil pembelajaran SVM menunjukkan penerapan fungsi kernel RBF dengan nilai parameter C=1 merupakan konfigurasi terbaik. Pada akurasi model pelatihan didapatkan 98,93% dan akurasi pengujian model SVM diperoleh 97,5%. Hasil penelitian menunjukkan bahwa metode klasifikasi SVM mampu digunakan untuk diagnosis kerusakan pada bantalan bola.

Kata kunci: diagnosis kerusakan, ekstraksi fitur, Principal Component Analysis (PCA), Support Vector Machine (SVM), bantalan bola