Identifikasi Keausan Bantalan Tirus (Tapered Bearing) Berbasis Analisis Vibrasi Dengan Metode Support Vector Machine (SVM)

Adi, Faisal Rahman (2017) Identifikasi Keausan Bantalan Tirus (Tapered Bearing) Berbasis Analisis Vibrasi Dengan Metode Support Vector Machine (SVM). Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 2115105027-Undergraduate_Theses.pdf]
Preview
Text
2115105027-Undergraduate_Theses.pdf - Published Version

Download (6MB) | Preview

Abstract

Data mining memiliki arti kegiatan yang meliputi pengumpulan, pemakaian data historis untuk menemukan keteraturan, pola atau hubungan, dalam set data berukuran besar[21]. Data mining fokus pada prediksi dan deskripsi data. Support Vector Machine (SVM) adalah salah satu teknik dari data mining, digunakan untuk menyelesaikan kasus klasifikasi dan regresi data. SVM mampu mengklasifikasikan data untuk menghasilkan informasi atau pengetahuan baru.
Dalam penelitian ini metode SVM digunakan untuk mengidentifikasi keausan pada bantalan tirus (tapered bearing). Data yang digunakan adalah data yang berasal dari analisis vibrasi. Pengujian analisis vibrasi dilakukan pada bantalan yang tidak mengalami keausan (normal) dan bantalan yang mengalami keausan. Keausan pada inner race diamati pada BPFI, keausan pada outer race diamati pada BPFO. Data vibrasi dari kedua bantalan tersebut disatukan menjadi database. Database tersebut dibagi menjadi data testing dan data training. SVM melakukan train untuk proses klasifikasi data, apabila akurasi SVM masih rendah maka dioptimasi dengan mengubah rasio pembagian dari data training dan data testing.
Keausan pada bantalan dapat diidentifikasi salah satunya melalui spektrum data vibrasi dimana muncul sideband di daerah BPFO untuk outer race dan BPFI untuk inner race dengan nilai ± 1x FTF. Identifikasi keausan melalui metode SVM menghasilkan model dengan mengumpulnya data BPFI atau BPFO sebagai indikasi terdapat keausan pada bantalan tersebut. Optimasi metode SVM dilakukan dengan metode K¬-fold yang menghasilkan metode SVM dengan keakurasian tertinggi. =================================================================
Data mining mean’s an activity that included data collecting, old data using to find arrange of data, pattern or relationship, in a large dataset[21]. Data maining focused on data prediction and data description. SVM is ones of data mining method that used to finised classification case or data regression. SVM able to data classified to producted an information or a new knowledge.
In this research, SVM method used to identificated wear in tapered bearing. Data that used was from vibration analysis. Vibration analysis did on normal bearing and wear bearing. Wear that happened on inner race was looked from BPFI, and wear that happened on outer race was looked from BPFO. Vibration data from those bearing combined to be a database. Those database sparated to a data testing and a data training. SVM used to data classified, SVM method have to optimated when the accurated still low.
One of ways to identificated wear in tapered bearing can through by spectrum data vibration, sideband in BPFO’s area for outer race and BPFI’s area for inner race that the value is ± 1x FTF. Idenficated wear through by SVM method has results that models with data BPFI or BPFO gathered which indicated wear happen. Optimization SVM method did in K-fold’s way that result SVM method with the highest accuration.

Item Type: Thesis (Undergraduate)
Additional Information: RSM 621.822 Adi i
Uncontrolled Keywords: analisis vibrasi, keausan bantalan, Support Vector Machine (SVM), Vibration analysis, wearing of bearing
Subjects: T Technology > TJ Mechanical engineering and machinery > TJ217.6 Predictive Control
Divisions: Faculty of Industrial Technology > Mechanical Engineering > 21201-(S1) Undergraduate Thesis
Depositing User: Faisal Rahman Adi
Date Deposited: 11 Dec 2017 06:45
Last Modified: 08 Mar 2019 03:01
URI: http://repository.its.ac.id/id/eprint/46210

Actions (login required)

View Item View Item