GUGUS ALIYA WIJAYANTO (2025) DIAGNOSIS KERUSAKAN BANTALAN GELINDING TIPE BOLA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORS. S1 thesis, Universitas Muhammadiyah Yogyakarta.

[thumbnail of Halaman Judul] Text (Halaman Judul)
Halaman Judul.pdf
Download (901kB)
[thumbnail of Lembar Pengesahan] Text (Lembar Pengesahan)
Lembar Pengesahan.pdf
Restricted to Registered users only
Download (158kB)
[thumbnail of Abstrak] Text (Abstrak)
Abstrak.pdf
Restricted to Registered users only
Download (226kB)
[thumbnail of Bab I] Text (Bab I)
Bab I.pdf
Download (238kB)
[thumbnail of Bab II] Text (Bab II)
Bab II.pdf
Restricted to Registered users only
Download (1MB)
[thumbnail of Bab III] Text (Bab III)
Bab III.pdf
Restricted to Registered users only
Download (721kB)
[thumbnail of Bab IV] Text (Bab IV)
Bab IV.pdf
Restricted to Registered users only
Download (793kB)
[thumbnail of Bab V] Text (Bab V)
Bab V.pdf
Restricted to Registered users only
Download (197kB)
[thumbnail of Daftar Pustaka] Text (Daftar Pustaka)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (187kB)
[thumbnail of Lampiran] Text (Lampiran)
Lampiran.pdf
Restricted to Registered users only
Download (237kB)
[thumbnail of Naskah Publikasi] Text (Naskah Publikasi)
Naskah Publikasi.pdf
Restricted to Registered users only
Download (904kB)
[thumbnail of Full Text] Text (Full Text)
Full Text.pdf
Restricted to Repository staff only
Download (3MB)

Abstract

Bantalan menjadi komponen yang krusial pada perangkat pemesinan rotasional. Jika terjadi kegagalan bantalan perangkat kritis akan berakibat kerugian biaya dan efisiensi waktu bahkan kerusakan pada komponen lain. Metode Condition-Based Monitoring (CBM) berbasis data sinyal getaran terbukti andal dalam medeteksi kondisi bantalan sebelum terjadinya kegagalan. Metode konvensioanl analisis spektrum pada domain frekuensi seperti analisys envelope, atau perhitungan menggunkan BPFO dan BPFI efektif untuk mendeteksi kecacatan pada bantalan, Namun memerlukan operator khusus dalam interpretasi hasilnya. Metode deteksi kerusakan bantalan menggunkana machine learning menawarkan otomatisasi dalam pengolahan data dan pengambilan keputusan tanpa membutuhkan operator. Penelitian ini mengimplementasikan model algoritma KNN untuk nganalisis 360 data sinyal getaran yang sebelumnya direkam oleh perangkat akusisi data DAQ accelerometer piezoelectric NI 9234 yang dipasang pada alat uji kerusakan bantalan. Tiga kelas data bantalan dipakai untuk mewakili representasi kerusakan alami kondisi normal, cacat lintasan dalam dan cacat lintasan luar. Metode cacat buatan menggunakan alatt Electric Discharge Machine (EDM) dengan bentuk cacat slot lebar 0,4 mm dan kedalam 1,4 mm. Ektraksi parameter statistik domain waktu Peak Value, RMS, Kurtosis dan Variance di seleksi berdasarkan sebaran data pada scatter plot. Partisi data 80% data training dan 20% data testing dengan metode startifikasi seimbang pada setiap kelas diinput kedalam model KNN Euclidean, Mahalanobis, dan Cityblock. Variasi nilai K 4, 6, 8, 10, 12, 14, 16, 18, dan 20 untuk mendapatkan nilai akurasi dan waktu komputasi optimal. Hasil penelitian menunjukan model KNN pada nilai K = 4 metrik jarak Euclidean memiliki akurasi 95,8 %, Mahalanobis 95,8 % dan Cityblock 94,4%.

Dosen Pembimbing: Berli Paripurna Kamiel, Ir., S.T., M.Eng.Sc., Ph.D. and Sunardi, Ir., S.T., M.Eng., Ph.D. | NIDN0502037401, NIDN0510027701
Item Type: Thesis (S1)
Uncontrolled Keywords: Vibration Signal Analysis, K-Nearest Neighbors (KNN), Bearings, Condition-Based Monitoring (CBM), Machine Learning
Divisions: Fakultas Teknik > S1 Teknik Mesin
Depositing User: Bima
Date Deposited: 30 Jun 2025 06:06
Last Modified: 30 Jun 2025 06:06
URI: https://etd.umy.ac.id/id/eprint/51646

Actions (login required)

View Item View Item