IMPLEMENTASI DISCRIMINANT ANALYSIS BERBASIS SINYAL GETARAN UNTUK MENDETEKSI KEBOCORAN PADA JALUR PIPA AIR

INTISARI
Pipa merupakan komponen penting yang digunakan untuk mengalirkan
fluida cair atau gas dari suatu tempat ke tempat lain diberbagai industri, salah
satunya di Perusahaan Daerah Air Minum (PDAM). Masalah yang sering terjadi
pada pipa adalah kebocoran yang menyebabkan kerugian finansial. Pentingnya
mendeteksi kebocoran pipa mengharuskan berbagai industri mencari metode yang
sederhana sehingga kerugian dan kerusakan lebih lanjut dapat dicegah. Beberapa
peneliti sebelumnya sudah membuktikan menggunakan metode sinyal getaran
untuk deteksi kebocoran pipa. Namun metode yang digunakan rumit karena
membutuhkan seorang spesialis untuk menterjemahkan hasilnya. Penelitian ini
mengusulkan metode yang secara langsung dapat mengklasifikasi kondisi pipa,
sehingga tidak dibutuhkan seoarang ahli untuk membaca hasilnya.
Penelitian ini menggunakan metode berbasis getaran dengan pengenalan
pola algoritma machine learning yaitu Discriminant Analysis. Alat uji
menggunakan rangkaian pipa yang terdiri dari sebuah reservoir, pressure gauge,
flow meter, pompa, dan valve yang menggunakan pipa bertekanan yang
membentuk sebuah loop tertutup. Sinyal getaran diambil menggunakan sensor
accelerometer yang diletakan berdekatan dengan lokasi kebocoran yang
direncanakan. Data getaran yang didapat dari accelerometer diolah menggunakan
parameter statistik domain waktu. Data kemudian dibagi menjadi dua bagian yaitu
data digunakan untuk training dan data digunakan untuk testing. Discriminant
Analysis dilatih menggunakan data training dan diuji mengklasifikasi sinyal
getaran dari pipa kondisi normal, bocor ringan, sedang, dan besar menggunakan
data testing.
Hasil penelitian ini menunjukan bahwa metode deteksi kebocoran pada
jalur pipa berbasis sinyal getaran menggunakan algoritma Discriminant Analysis
dari machine learning berhasil melakukan klasifikasi dengan akurasi 95%.
Kata kunci: Accelerometer, Discriminant Analysis, Getaran, Jaringan pipa,
Machine learning.