Prediksi Kerusakan Motor Induksi Menggunakan Metode Jaringan Saraf Tiruan Backpropagation ”.

Informasi Dokumen

• Penulis:
  • Herdianto
• Pengajar:
  • Prof. Dr. Ir. Usman Baafai
  • Dr. Benny B. Nasution, Dipl.Ing, M.Eng
  • Dr. Tulus, M.Si
  • Dr. Poltak Sihombing, M.Kom
• Sekolah: Universitas Sumatera Utara
• Mata Pelajaran: Magister Teknik Elektro
• Topik: Prediksi Kerusakan Motor Induksi Menggunakan Metode Jaringan Saraf Tiruan Backpropagation
• Tipe: tesis
• Tahun: 2013
• Kota: Medan

Ringkasan Dokumen

I. PENDAHULUAN

Pada bagian ini, tesis ini memperkenalkan latar belakang masalah terkait motor induksi (MI), yang merupakan alat listrik penting dalam industri. MI mengubah energi listrik menjadi energi mekanik, namun dapat mengalami kerusakan yang berakibat pada proses produksi. Penelitian ini bertujuan untuk menggunakan metode jaringan saraf tiruan (JST) dengan algoritma backpropagation untuk memprediksi kerusakan pada MI, khususnya pada stator. Dengan mengoptimalkan struktur jaringan, diharapkan akurasi prediksi dapat mencapai di atas 85%.

1.1. Latar Belakang Masalah

Latar belakang masalah membahas pentingnya motor induksi dalam berbagai aplikasi industri, serta tantangan yang dihadapi ketika motor mengalami kerusakan. Kerusakan ini dapat menyebabkan gangguan dalam produksi dan penurunan kualitas produk. Oleh karena itu, penelitian ini berfokus pada pengembangan teknik monitoring yang lebih efektif dengan menggunakan JST, yang dapat memprediksi kerusakan sebelum terjadi.

1.2. Perumusan Masalah

Perumusan masalah mencakup pertanyaan utama penelitian, yaitu bagaimana menerapkan teknologi JST dengan algoritma backpropagation untuk memprediksi kerusakan pada motor induksi, khususnya pada stator, dalam jangka waktu satu hari ke depan. Hal ini penting untuk meningkatkan efisiensi dan mengurangi risiko kerusakan total pada MI.

1.3. Batasan Masalah

Batasan masalah ditetapkan untuk memperjelas ruang lingkup penelitian. Penelitian ini hanya akan fokus pada motor induksi satu fasa dengan kerusakan yang diprediksi pada stator, menggunakan variabel arus dan temperatur. Metode pembelajaran yang digunakan adalah backpropagation, sehingga memberikan fokus yang jelas pada metodologi yang diterapkan.

1.4. Tujuan Penelitian

Tujuan penelitian ini adalah untuk memperoleh struktur jaringan saraf tiruan yang optimal dengan algoritma pembelajaran backpropagation, guna memprediksi kerusakan pada stator motor induksi. Dengan mencapai tujuan ini, diharapkan dapat membantu dalam pemeliharaan dan pengelolaan motor induksi di industri.

1.5. Manfaat Penelitian

Manfaat dari penelitian ini mencakup peningkatan efisiensi dalam proses produksi, perpanjangan usia motor induksi, dan memberikan panduan bagi pihak pemeliharaan dalam menganalisis dan merencanakan pemeliharaan motor induksi. Dengan pemahaman yang lebih baik tentang prediksi kerusakan, industri dapat mengurangi downtime dan biaya pemeliharaan.

1.6. Sistematika Penulisan

Sistematika penulisan tesis ini dibagi menjadi lima bab. Bab 1 adalah pendahuluan, Bab 2 membahas tinjauan pustaka yang mendukung penelitian, Bab 3 menjelaskan metode penelitian, Bab 4 menyajikan hasil dan pembahasan, dan Bab 5 menyimpulkan hasil penelitian serta memberikan saran.

II. TINJAUAN PUSTAKA

Bab ini menjelaskan teori-teori yang mendasari penelitian, termasuk pengertian prediksi, jenis-jenis prediksi, serta konsep dasar motor induksi dan jaringan saraf tiruan. Tinjauan pustaka ini penting untuk memberikan konteks akademis dan dasar teoritis bagi penelitian yang dilakukan.

2.1. Pengertian Prediksi

Prediksi adalah proses memperkirakan kejadian yang akan datang berdasarkan data masa lalu. Dalam konteks ini, prediksi digunakan untuk memperkirakan kerusakan pada motor induksi. Proses ini penting untuk mengurangi risiko kerusakan yang dapat mengganggu operasi industri. Terdapat dua jenis prediksi: kualitatif dan kuantitatif, yang masing-masing memiliki pendekatan berbeda dalam analisis data.

2.2. Prediksi Kerusakan Motor Induksi

Prediksi kerusakan motor induksi melibatkan analisis data untuk menentukan kondisi motor di masa depan. Penelitian ini berfokus pada kerusakan yang sering terjadi, seperti kerusakan pada stator, dengan menggunakan data arus dan temperatur sebagai variabel utama. Hal ini bertujuan untuk meningkatkan akurasi prediksi dalam waktu yang lebih singkat.

2.3. Motor Induksi

Motor induksi adalah alat yang mengubah energi listrik menjadi energi mekanik. Terdapat dua jenis motor induksi, yaitu satu fasa dan tiga fasa. Motor induksi satu fasa lebih umum digunakan dalam aplikasi rumah tangga, sementara motor tiga fasa digunakan dalam industri besar. Pemahaman tentang konstruksi dan prinsip kerja motor ini sangat penting dalam konteks penelitian kerusakan.

2.4. Jaringan Saraf Tiruan

Jaringan saraf tiruan adalah model komputasi yang terinspirasi oleh cara kerja otak manusia. JST digunakan untuk memproses informasi dan belajar dari data. Dalam penelitian ini, JST diterapkan untuk memprediksi kerusakan motor induksi, dengan algoritma backpropagation sebagai metode pembelajaran utama. Pemahaman tentang komponen dan arsitektur JST sangat penting untuk mencapai hasil yang optimal.

III. METODE PENELITIAN

Metode penelitian menjelaskan rancangan penelitian yang digunakan untuk mencapai tujuan. Ini mencakup pengamatan variabel yang diamati dan prosedur pengujian yang dilakukan untuk mendapatkan data yang diperlukan. Metode yang sistematis dan terstruktur penting untuk memastikan validitas dan reliabilitas hasil penelitian.

3.1. Rancangan Penelitian

Rancangan penelitian mencakup langkah-langkah yang diambil untuk mengumpulkan data dan menganalisisnya. Penelitian ini menggunakan pendekatan eksperimental dengan pengujian pada motor induksi untuk mengamati variabel arus dan temperatur. Rancangan yang baik akan memastikan bahwa data yang diperoleh relevan dan dapat diandalkan untuk analisis lebih lanjut.

3.2. Variabel yang Diamati

Variabel yang diamati dalam penelitian ini adalah arus dan temperatur motor induksi. Data dari kedua variabel ini digunakan sebagai input untuk jaringan saraf tiruan. Pemilihan variabel yang tepat sangat penting untuk meningkatkan akurasi prediksi kerusakan pada motor induksi, sehingga dapat memberikan informasi yang akurat bagi pemeliharaan dan pengelolaan motor.

IV. HASIL DAN PEMBAHASAN

Bab ini menyajikan hasil pengujian yang dilakukan selama penelitian, termasuk analisis data yang diperoleh dari pengujian yang dilakukan. Pembahasan hasil ini penting untuk memahami efektivitas metode yang digunakan dan memberikan wawasan tentang bagaimana hasil penelitian dapat diterapkan dalam praktik.

4.1. Pengujian Mencari Time Delay

Pengujian untuk mencari time delay dilakukan untuk menentukan waktu optimal dalam memprediksi kerusakan motor induksi. Hasil pengujian menunjukkan bahwa time delay yang tepat dapat meningkatkan akurasi prediksi. Dengan menemukan time delay yang optimal, jaringan saraf tiruan dapat lebih efektif dalam memproses data dan menghasilkan prediksi yang lebih akurat.

4.2. Pengujian Mencari Jumlah Hidden Layer

Pengujian jumlah hidden layer bertujuan untuk menemukan struktur jaringan yang paling efektif. Hasil menunjukkan bahwa jumlah hidden layer yang tepat berkontribusi pada peningkatan akurasi prediksi. Penelitian ini memberikan wawasan tentang pentingnya arsitektur jaringan dalam memprediksi kerusakan motor induksi.

4.3. Pengujian Mencari Nilai Learning Rate

Pengujian nilai learning rate dilakukan untuk menentukan seberapa cepat jaringan saraf tiruan dapat belajar dari data. Hasilnya menunjukkan bahwa nilai learning rate yang optimal berpengaruh signifikan terhadap kecepatan konvergensi dan akurasi model. Hal ini penting untuk memastikan bahwa jaringan saraf dapat beradaptasi dengan baik terhadap data yang diberikan.

4.4. Pengujian Mencari Nilai Momentum

Pengujian nilai momentum bertujuan untuk mengurangi fluktuasi dalam pembaruan bobot selama pelatihan. Hasil menunjukkan bahwa penggunaan momentum yang tepat dapat meningkatkan stabilitas dan akurasi model. Penelitian ini menekankan pentingnya parameter ini dalam proses pelatihan jaringan saraf tiruan.

4.5. Pengujian Hasil Pelatihan

Pengujian hasil pelatihan dilakukan untuk mengevaluasi performa jaringan saraf tiruan setelah dilatih. Hasil pengujian menunjukkan tingkat akurasi yang tinggi, mencapai 90%, dalam memprediksi kerusakan motor induksi. Ini menunjukkan bahwa metode yang digunakan efektif dan dapat diandalkan untuk aplikasi di industri.

V. KESIMPULAN DAN SARAN

Kesimpulan dan saran memberikan ringkasan dari hasil penelitian dan rekomendasi untuk penelitian selanjutnya. Ini adalah bagian penting untuk menegaskan kontribusi penelitian terhadap bidang ilmu dan praktik di industri.

5.1. Kesimpulan

Kesimpulan menyatakan bahwa penelitian ini berhasil mengembangkan model jaringan saraf tiruan yang efektif untuk memprediksi kerusakan motor induksi dengan akurasi mencapai 90%. Ini menunjukkan potensi besar penggunaan JST dalam pemeliharaan prediktif di industri.

5.2. Saran

Saran untuk penelitian selanjutnya mencakup eksplorasi lebih lanjut tentang penggunaan variabel lain dalam prediksi kerusakan, serta pengembangan model yang lebih kompleks untuk meningkatkan akurasi. Penelitian lebih lanjut juga disarankan untuk menguji model dalam kondisi nyata di lapangan.