Sistem Klasifikasi Kondisi Pada Motor DC Trolley Berdasarkan Suhu Dan Arus Menggunakan Metode Support Vector Machine(SVM)

Maskuri, Zaenal Ali (2024) Sistem Klasifikasi Kondisi Pada Motor DC Trolley Berdasarkan Suhu Dan Arus Menggunakan Metode Support Vector Machine(SVM). Diploma thesis, Institut Teknologi Sepuluh Nopember.

Text 2040201056-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (5MB) | Request a copy

Abstract

PT Adhi Guna Putera merupakan perusahaan yang bergerak di bidang layanan pendukung angkutan laut terutama untuk barang industri. Dalam hal ini pihak pelayaran PT Adhi Guna Putera menyediakan fasilitas-fasilitas untuk menangani pembongkaran batu bara untuk memenuhi Pembangkit Listrik Tenaga Uap (PLTU) demi kelancaran pada saat proses bongkar muat batu bara. Kelancaran proses bongkar muat batu bara menjadi salah satu prioritas yang harus diperhatikan dengan cara menjaga ship unloader dapat beroperasi Ship Unloader merupakan alat yang berfungsi untuk membongkar muatan dari kapal ke darat. Ship unloader mempunyai mempunyai komponen penting yang disebut trolley. Trolley merupakan alat penggerak yang memindahakan muatan ke dalam konveyor pada saat pembongkaran. Penyimpanan yang tersedia. Komponen penggerak trolley adalah motor DC. Permasalahan yang terjadi adalah proses bongkar muat batu bara memerlukan waktu yang cukup lama bahkan sampai beberapa hari. Hal tersebut mengakibatkan motor DC trolley mengalami perubahan suhu dan arus sehingga dapat mengakibatkan kerusakan pada motor DC trolley. Sistem klasifikasi pada motor DC trolley berdasarkan suhu dan arus merupakan indikator utama yang digunakan untuk memantau kesehatan motor DC. Dua parameter tersebut bisa menyebabkan kerusakan pada motor apabila suhu dan arus mengalami kenaikan diatas batas yang sudah disesuaikan. Sistem ini dapat membantu untuk mendeteksi motor DC akibat over temperature dan overcurrent. Penelitiannya berfokus pada sistem klasifikasi motor DC untuk trolley berdasarkan suhu dan arus menggunakan metode Support Vector Machine (SVM). Sistem ini mengintegrasikan sensor arus ACS712 dan sensor suhu termokopel untuk pemantauan motor secara real-time. Validasi eksperimental mencakup uji akurasi sensor termokopel menggunakan modul MAX6675, yang menunjukkan kesalahan pengukuran rata-rata 0,13 dan tingkat akurasi 89,25%. Selain itu, uji akurasi sensor ACS712 menggunakan multimeter menunjukkan kesalahan yang bervariasi di seluruh percobaan, dengan kesalahan rata-rata 0,25 dan tingkat akurasi berkisar antara 87,18% hingga 96,97%. Evaluasi model kernel pada metode SVM menunjukkan kernel linear merupakan kernel yang cocok digunakan dengan nilai precision, recal dan F1-Score dengan nilai rata-rata 0.98. Sebaliknya dengan kernel sigmoid mengungkapkan bahwa kernel sigmoid berkinerja buruk dengan nilai Precision, Recall, dan F1 Score yang jauh lebih rendah dengan nilai rata-rata 0.02 dibandingkan dengan kernel lainnya.
==================================================================================================================================
PT Adhi Guna Putera is a company engaged in sea transportation support services, especially for industrial goods. In this case, the shipping company PT Adhi Guna Putera provides facilities to handle coal unloading to fulfill the Steam Power Plant (PLTU) for smooth coal loading and unloading processes. The smooth process of loading and unloading coal is one of the priorities that must be taken into account by ensuring that the ship unloader can operate. A ship unloader is a tool that functions to unload cargo from a ship to land. Ship unloaders have an important component called a trolley. A trolley is a moving tool that moves loads onto a conveyor during unloading. available storage. The trolley driving component is a DC motor. The problem that occurs is that the coal loading and unloading process takes quite a long time, even several days. This causes the DC trolley motor to experience changes in temperature and current which can result in damage to the DC trolley motor. The classification system for DC trolley motors based on temperature and current is the main indicator used to monitor the health of DC motors. These two parameters can cause damage to the motor if the temperature and current increase above the adjusted limits. This system can help detect motor damage due to overtemperature and overcurrent. His research focuses on a DC motor classification system for trolleys based on temperature and current using the Support Vector Machine (SVM) method. This system integrates an ACS712 current sensor and a thermocouple temperature sensor for real-time motor monitoring. Experimental validation included thermocouple sensor accuracy tests using the MAX6675 module, which demonstrated an average measurement error of 0.13 and an accuracy rate of 89.25%. In addition, the ACS712 sensor accuracy test using a multimeter showed varying errors across experiments, with an average error of 0.25 and accuracy levels ranging from 87.18% to 96.97%. Evaluation of the kernel model using the SVM method shows that the linear kernel is a kernel that is suitable for use with precision, recall and F1-Score values with an average value of 0.98. In contrast, the sigmoid kernel reveals that the sigmoid kernel performs poorly with much lower Precision, Recall and F1-Score values with an average value of 0.02 compared to the other kernels.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Classification System, Support Vector Machine (SVM), DC Motor, Sistem Klasifikasi, Motor DC
Subjects:	T Technology > T Technology (General) > T57.5 Data Processing T Technology > TL Motor vehicles. Aeronautics. Astronautics > TL152.5 Motor vehicles Driving T Technology > TL Motor vehicles. Aeronautics. Astronautics > TL214.T87 Automobiles--Motors--Turbochargers
Divisions:	Faculty of Vocational > 36304-Automation Electronic Engineering
Depositing User:	Zaenal Ali Maskuri
Date Deposited:	26 Aug 2024 04:35
Last Modified:	26 Aug 2024 04:35
URI:	http://repository.its.ac.id/id/eprint/115527

Actions (login required)

View Item