IDENTIFIKASI MASALAH PENGAPIAN PADA MESIN VESPA SUPER MENGGUNAKAN SINYAL GETARAN BERBASIS METODE PENGENALAN POLA (PATTERN RECOGNITION) PRINCIPAL COMPONENT ANALYSIS (PCA)

Motor bakar adalah mesin yang di gunakan untuk mengubah energi kalor menjadi energi mekanik. Sistem pengapian pada motor bakar berfungsi menghasilkan percikan bunga api pada busi, untuk membakar campuran bahan bakar dan udara di dalam silinder. Sistem pengapian mempunyai peranan yang sangat penting dalam pembangkitan tenaga (daya) yang dihasilkan oleh suatu mesin bensin. Apabila sistem pengapian tidak bekerja dengan baik dan tepat, maka proses pembakaran campuran bahan bakar dan udara didalam ruang bakar akan terganggu sehingga tenaga mekanik yang dihasilkan oleh mesin berkurang.
Sistem pengapian platina memerlukan strategi monitoring yang tepat sehingga dapat mengidentifikasi masalah pengapian secara cepat dan tepat, karena sistem pengapian platina pada motor bakar dua langkah mempunyai fungsi yang vital. Salah satu metode yang dapat diterapkan adalah monitoring menggunakan sinyal getaran Principal Component Analysis. Beberapa pengujian dengan mengunakan metode PCA pernah diterapkan untuk mendeteksi kerusakan pada bantalan dengan mendeteksi sinyal getran yang dihasilkan oleh putaran bantalan tersebut. Maka dari itu, metode ini juga dapat diaplikasikan ke motor bakar dua langkah, seperti mesin vespa super yang memiliki getaran yang sangat besar apabila sistem pengapian tidak normal atau bermasalah.
Hasil analisis yang didapat dari identifikasi masalah pengapian dengan menggunakan analisis domain waktu adalah metode di mana data getaran berupa deret waktu diploting berdasarkan besarnya amplitudo gelombang pada sumbu y terhadap banyaknya sampel pengambilan data pada sumbu x. Hasil tiga kondisi pengapian data sinyal getaran menggunakan tujuh parameter belum bisa memisahkan 3 kondisi pengapian dengan jelas, maka dari tujuh parameter statistik di transformasi kedalam (PCA) Principal Component Analysis menunjukkan bahwa, metode ini digunakan untuk memisahkan informasi yang sama dari tujuh parameter statistik untuk menghindari penumpukan data saat klasifikasi, sehingga menghasilkan PC baru dengan nilai varians maksimum. PCA mampu mengidentifikasi dan mengklasifikasi dengan jelas perbedaan antara kondisi pengapian normal, rusak level 1, dan rusak level 2 pada pengapian platina, dengan informasi data yang terkandung 80% varians dari 2 PC, maka dengan 2 PC sudah mampu memisah 3 kondisi pengapian platina dengan penambahan PC 3 menjadi 90% varians, maka memperjelas perbandingan antara tiga kondisi pengapian platina pada motor bakar vespa.