Klasifikasi Kerusakan Motor Induksi Menggunakan Metode Transformasi Wavelet Diskrit Dan K-Nearest Neighbor

Authors

DOI:

https://doi.org/10.31328/jointecs.v6i2.2390

Keywords:

transformasi wavelet, k-nearest neighbor, motor induksi,

Abstract

Dalam bidang industri, motor induksi 3 fasa sering digunakan, motor listrik ini dikenal memiliki konstruksi yang lebih kuat dari jenis motor listrik lain. Namun motor listrik ini tidak terlepas dari kerusakan. Kerusakan yang sering terjadi disebabkan oleh faktor lingkungan kerja dan umur motor. Kurangnya pengetahuan tentang sistem dalam mendeteksi kerusakan motor induksi 3 fasa mengakibatkan mesin mengalami shut-down berhenti beroperasi, sehingga mengakibatkan kerugian di sektor industri. Metode ekstraksi sinyal Transformasi Wavelet Diskrit (DWT) dan K-Nearest Neighbor (KNN) untuk klasifikasi data motor induksi dengan berbagai kondisi kerusakan mampu menghasilkan tingkat akurasi yang tinggi. Dalam penelitian ini dilakukan klasifikasi terhadap kondisi kerusakan bearing, air gap, rotor dan stator motor induksi. Hasil klasifikasi yang diperoleh dengan tingkat akurasi lebih dari 95%.

Author Biography

Gigih Priyandoko, Universitas Widyagama Malang

Program Studi Teknik Elektro

References

Iradiratu, “Deteksi Kerusakan Inner Race Bearing Menggunakan Motor Current Signature Analysis Berbasis Fast Fourier Transform,†Jurnal Teknik Elektro Dan Komputer Triac, vol. 6, no. 1, pp. 6–9, 2019.

E. R. Naufal, G. Priyandoko, and F. Hunaini, “Klasterisasi Kerusakan Bearing Motor Induksi 3 Fasa Menggunakan Metode Transformasi Wavelet Diskrit dan K-Medoids,†Elkha, vol. 12, no. 2, p. 54, 2020.

D. Meidiasha, M. Rif, and M. Subekti, “Alat Pengukur Getaran, Suara Dan Suhu Motor Induksi Tiga Fasa Sebagai Indikasi Kerusakan Motor Induksi Berbasis Arduino,†Journal of Electrical and Vocational Education and Technology, vol. 5, no. 1, pp. 366–370, 2020.

B. P. W. Rianto, E. S. Ningrum, Z. Darojah, and H. Hermawan, “Artificial Neural Network Through Energy Value of Empirical Mode Decomposition Feature Extraction based: Application on Bearing Fault Diagnosis,†IES 2019 - International Electronics Symposium: The Role of Techno-Intelligence in Creating an Open Energy System Towards Energy Democracy, Proceedings, pp. 387–393, 2019.

Y. O. Lee, J. Jo, and J. Hwang, “Application of Deep Neural Network and Generative Adversarial Network to Industrial Maintenance : A Case Study of Induction Motor Fault Detection,†IEEE International Conference on Big Data (BIGDATA) Application, pp. 3248–3253, 2017.

E. R. Purnamasari, I. Diah, and B. Y. Dewantara, “Monitoring Kondisi Ball Bearing Pada Motor Induksi Melalui Analisa Arus Stator Berbasis Wavelet Transform,†Prosiding SNST ke-10 Tahun 2019 Fakultas Teknik Universitas Wahid Hasyim 49, pp. 48–53, 2019.

W. P. Ani and H. Hindarto, “Ekstraksi Ciri Sinyal EEG Untuk Gangguan Penyakit Epilepsi Menggunakan Metode Wavelet,†MATICS, vol. 9, no. 2, pp. 62–65, 2017.

C. S. Fatoni, F. D. Noviandha, and M. T. Informatika, “Case Based Reasoning Diagnosis Penyakit Difteri dengan Algoritma K-Nearest Neighbor,†Citec Journal, vol. 4, pp. 220–232, 2017.

M. Kusriyanto and B. D. Putra, “Smart Home Using Local Area Network (Lan) Based Arduino Mega 2560,†Proceedings - ICWT 2016: 2nd International Conference on Wireless and Telematics 2016, pp. 127–131, 2017.

U. Khair, A. J. Lubis, I. Agustha, D. Dharmawati, and M. Zulfin, “Modeling and Simulation of Electrical Prevenion System Using Arduino Uno,Gsm Modem, and Acs712 Current Sensor,†Journal of Physics: Conference Series, vol. 930, no. 1, 2017.

E. Alickovic, J. Kevric, and A. Subasi, “Performance evaluation of empirical mode decomposition, discrete wavelet transform, and wavelet packed decomposition for automated epileptic seizure detection and prediction,†Biomedical Signal Processing and Control, vol. 39, pp. 94–102, 2018.

R. Hayati and R. Kurnia, “Simulasi Unjuk Kerja Discrete Wavelet Transform (DWT) dan Discrete Cosine Transform (DCT) untuk Pengolahan Sinyal Radar di Daerah yang Ber-Noise Tinggi,†JURNAL NASIONAL TEKNIK ELEKTRO, vol. 3, no. 1, Art. no. 1, Mar. 2014, doi: 10.25077/jnte.v3n1.53.2014.

E. A. Frimpong, P. Y. Okyere, and J. Asumadu, “Wavelet Analysis and Radial Basis Function Neural Network Based Stability Status Prediction Scheme,†JURNAL NASIONAL TEKNIK ELEKTRO, vol. 7, no. 3, Art. no. 3, Oct. 2018, doi: 10.25077/jnte.v7n3.559.2018.

N. D. Mentari, M. A. Fauzi, and L. Muflikhah, “Analisis Sentimen Kurikulum 2013 Pada Sosial Media Twitter Menggunakan Metode K-Nearest Neighbor dan Feature Selection Query Expansion Ranking,†Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 2, no. 8, pp. 2739–2743, 2018.

Z. U. Siregar, R. R. A. Siregar, and R. Arianto, “Klasifikasi Sentiment Analysis Pada Komentar Peserta Diklat Menggunakan Metode K-Nearest Neighbor,†Jurnal Kilat, vol. 8, no. 1, pp. 81–92, 2019.

A. Zainuddin, “Implementasi Metode K-Nearest Neighbor Untuk Klasifikasi Penduduk Miskin Di Desa Ngemplak Kidul Kabupaten Pati Jawa Tengah,†Jurnal Informatika SIMANTIK, vol. 4, no. 1, pp. 21–28, 2019.

Downloads

Published

2021-05-31

Issue

Vol. 6 No. 2 (2021)

Section

Articles

License

Pernyataan Hak Cipta dan Lisensi

Hak Cipta :

Penulis yang mempublikasikan naskahnya pada Jurnal ini menyetujui ketentuan berikut:

Hak cipta pada setiap artikel adalah milik penulis.

  1. Penulis mengakui bahwa JOINTECS (JOURNAL OF INFORMATION TECHNOLOGY AND COMPUTER SCIENCE) berhak sebagai yang mempublikasikan pertama kali dengan lisensi Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0).
  2. Penulis dapat memasukan tulisan secara terpisah, mengatur distribusi non-ekskulif  dari naskah yang telah terbit di jurnal ini kedalam versi yang lain (misal: dikirim ke respository institusi penulis, publikasi kedalam buku, dll), dengan mengakui bahwa naskah telah terbit pertama kali pada JOINTECS (JOURNAL OF INFORMATION TECHNOLOGY AND COMPUTER SCIENCE);

Lisensi :

JOINTECS diterbitkan berdasarkan ketentuan Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0). Lisensi ini mengizinkan setiap orang untuk menyalin dan menyebarluaskan kembali materi ini dalam bentuk atau format apapun, menggubah, mengubah, dan membuat turunan dari materi ini untuk kepentingan apapun, termasuk kepentingan komersial, selama mereka mencantumkan kredit kepada Penulis atas ciptaan asli.

This work is Under licensed

Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)