DETEKSI DAN KLASIFIKASI KAVITASI POMPA SENTRIFUGAL MENGGUNAKAN K-NEAREST NEIGHBORS

INTISARI
Pompa adalah salah satu mesin fluida yang secara luas digunakan dalam dunia industri untuk menunjang proses produksi. Masalah yang bersifat serius dan sering terjadi adalah fenomena kavitasi pada pompa. Kavitasi menyebabkan pompa mengalami penurunan performansi. Oleh sebab itu, diperlukan suatu metode untuk memanau kinerja pompa secara kontinyu. Metode berbasis Machine Learning dengan menggunakan teknik pengenalan pola telah banyak digunakan oleh peneliti sebelumnya untuk mendeteksi berbagai jenis kerusakan pada mesin-mesin rotary, namun jarang ditemukan penelitian yang menyelidiki potensi penggunaan metode ini untuk mendeteksi kaviasi. Metode yang diusulkan menggunakan sinyal getaran sebagai parameternya dan K-Nearest Neighbors sebagai algoritma classifier-nya. K-Nearest Neighbors dipilih karena memiliki algoritma yang sederhana namun memiliki tingkat akurasi yang tinggi walaupun akan memerlukan penyimpanan yang besar.

Alat uji yang digunakan pada penelitian ini adalah sebuah sistem aliran fluida loop tertutup yang terdiri dari katup, flowmeter, kompresor vakum, pressure gauge, pompa sentrifugal, dan tanki vakum. Akselerometer dipasang pada cover pompa untuk merekam signal getaran yang dihasilkan oleh pompa baik pada kondisi normal dan kondisi kavitasi. Data sinyal getaran yang dihasilkan kemudian diekstrak kedalam parameter statistik domain waktu dan dibagi menjadi dua bagian yaitu data training dan data testing. Data training digunakan untuk melatih classifier dan data testing yang digunakan untuk menguji classifier. Metode trials and error dengan teknik binomial coefficient digunakan dalam proses seleksi parameter untuk
membentuk berbagai kombinasi parameter.

Classifier yang dihasilkan dari penelitian ini mampu mendeteksi dan
mengklasifikasi fenomena kavitasi baik kavitasi awal maupun kavitasi lanjut dengan tingkat akurasi mencapai 100 persen.