Diyan Rizki Agung Pamungkas (2021) DETEKSI KEBOCORAN PIPA AIR BERSIH MENGGUNAKAN ALGORITMA LINEAR SUPPORT VECTOR MACHINE (SVM). S1 thesis, Universitas Muhammadiyah Yogyakarta.
Halaman Judul.pdf
Download (942kB)
Lembar Pengesahan.pdf
Restricted to Registered users only
Download (570kB)
Abstrak.pdf
Restricted to Registered users only
Download (36kB)
Bab I.pdf
Download (459kB)
Bab II.pdf
Restricted to Registered users only
Download (675kB)
Bab III.pdf
Restricted to Registered users only
Download (418kB)
Bab IV.pdf
Restricted to Registered users only
Download (1MB)
Bab V.pdf
Restricted to Registered users only
Download (33kB)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (293kB)
Lampiran.pdf
Restricted to Registered users only
Download (161kB)
Naskah Publikasi.pdf
Restricted to Registered users only
Download (1MB)
Full Text.pdf
Restricted to Repository staff only
Download (3MB)
Abstract
<p>Dalam usaha untuk mempertahankan kelangsungan hidup, manusia selalu mengupayakan ketersediaan air yang cukup untuk kebutuhan sehari-hari karena air merupakan kebutuhan utama bagi manusia. Pendistribusian air biasanya menggunakan instalasi jaringan pipa yang dihubungkan ke seluruh pemukiman penduduk dengan jangkauan yang cukup luas. Kebocoran pipa merupakan kerusakan yang sering terjadi dan dapat menghambat ketersediaan air. Tujuan dalam penelitian ini untuk membuat suatu metode yang dapat mempermudah dalam mendeteksi kebocoran pipa dengan memanfaatkan sinyal getaran pada pipa.</p>
<p>Metode yang digunakan pada penelitian ini adalah metode Algoritma <em>Linear Support Vector Machine </em>dengan cara mengkalasifikasikan data getaran setiap kondisi variasi pipa. Data diambil dari Rig Uji berskala laboratorium dengan jumlah data 600 dataset setiap kondisi pipa yang kemudian diekstraksi kedalam beberapa parameter statistik.</p>
<p>Hasil yang didapatkan dari penelitian ini menunjukkan bahwa seleksi parameter statistik dengan menggunakan PCA mampu meningkatkan hasil akurasi klasifikasi algoritma <em>Linear Support Vector Machine </em>dengan nilai tertinggi pada model klasifikasi <em>binary </em>sebesar 99,4</p>
Item Type: | Thesis (S1) |
---|---|
Divisions: | Fakultas Teknik > Teknik Mesin S1 |
Depositing User: | Unnamed user with email robi@umy.ac.id |
Date Deposited: | 22 Sep 2021 08:38 |
Last Modified: | 22 Sep 2021 08:38 |
URI: | https://etd.umy.ac.id/id/eprint/2939 |