PREDIKSI KERUSAKAN MOTOR INDUKSI MENGGUNAKAN
METODE JARINGAN SARAF TIRUAN
BACKPROPAGATION
TESIS
Oleh
HERDIANTO
097034029/TE
FAKULTAS TEKNIK
UNIVERSITAS SUMATERA UTARA
MEDAN
PREDIKSI KERUSAKAN MOTOR INDUKSI MENGGUNAKAN METODE JARINGAN SARAF TIRUAN
BACKPROPAGATION
TESIS
Untuk Memperoleh Gelar Magister Teknik dalam Program Studi Magister Teknik Elektro pada Fakultas Teknik Universitas Sumatera Utara
Oleh HERDIANTO 097034029/TE
FAKULTAS TEKNIK
UNIVERSITAS SUMATERA UTARA MEDAN
Judul Tesis : PREDIKSI KERUSAKAN MOTOR INDUKSI MENGGUNAKAN METODE JARINGAN SARAF TIRUAN BACKPROPAGATION
Nama Mahasiswa : Herdianto Nomor Induk : 097034029
Program Studi : Magister Teknik Elektro
Menyetujui Komisi Pembimbing:
(Prof. Dr.Ir. Usman Baafai) (Dr. Benny B.Nst, Dipl.Ing.M.Eng)
Ketua Anggota
Sekretaris Program Studi Dekan,
(Drs. Hasdari Helmi, MT) (Prof.Dr.Ir. Bustami Syam, MSME)
Telah Diuji pada Tanggal : 16 Juli 2013
PANITIA PENGUJI TESIS
Ketua : Prof. Dr. Ir. Usman Baafai
Anggota : 1. Dr. Benny B. Nasution, Dipl.Ing, M.Eng 2. Prof. Dr. Tulus, M.Si
ABSTRAK
Motor induksi (MI) adalah alat listrik yang mengubah energi listrik menjadi energi mekanik berupa tenaga putar. Motor induksi banyak dipakai sebagai penggerak untuk mengerjakan banyak proses di industri. Meskipun MI cukup handal tetapi dapat saja mengalami kerusakan total pada saat beroperasi. Kerusakan total pada motor induksi pada saat mendukung proses produksi dapat menyebabkan rendahnya mutu barang jadi yang dihasilkan sampai berhentinya proses produksi itu sendiri. Untuk menghindari kerusakan total pada motor induksi, pada penelitian ini digunakan metode jaringan saraf tiruan dengan algoritma backpropagation untuk memprediksi kerusakan yang akan terjadi pada motor induksi khususnya pada stator untuk 1 hari ke depan. Agar dapat digunakan untuk memprediksi kerusakan motor induksi khususnya pada stator dengan tingkat akurasi di atas 85% jaringan saraf tiruan harus memiliki struktur jaringan yang optimal. Maka pada penelitian yang telah dilakukan penelitian dititik beratkan pada pencarian struktur jaringan saraf tiruan yang optimal berdasarkan pola data pelatihan seperti mencari jumlah time delay, hidden layer, node
hidden layer, nilai konstanta learning rate dan momentum. Dari hasil pengujian yang
telah dilakukan bahwasanya jaringan saraf tiruan mampu memprediksi kerusakan motor induksi khususnya pada stator untuk satu hari ke depan dengan tingkat akurasi mencapai 90%.
ABSTRACT
Induction motor (IM) is electric equipment which changes electric energy to mechanical energy as a revolving power. It is frequently used as a drive for doing many processes in industry. Even though it is reliable, it can be totally broken when it is operating. The total damage of induction motor, while it is supporting the process of production, can cause the low quality of the product until the process of the production stops. To avoid the induction motor being totally damaged, the method of artificial nerve grid with back-propagation algorithm was used in this research to predict the damage which will occur in induction motor, especially in the stator for the following day. In order to be used to predict the damage in the induction motor, especially in the stator with the accuracy above 85%, the artificial nerve grid must have optimal grid structure. Therefore, this research was emphasized on the searching for the optimal structure of artificial nerve grid, based on the pattern of training data, such as searching for the amount of time delay, hidden layer, node hidden layer, constant value of learning rate, and momentum. From the result of test, it was found that the artificial nerve grid was able to predict the damage in the induction motor, especially in the stator for the following day with 90% of the level of accuracy.
KATA PENGANTAR
Puji dan syukur kehadirat Allah SWT, atas berkat rahmat dan karunia-Nya sehingga penulis dapat menyelesaikan tesis yang berjudul: “
Prediksi Kerusakan Motor Induksi Menggunakan Metode Jaringan Saraf
Tiruan Backpropagation ”.
Pada kesempatan ini, penulis mengucapkan terima kasih kepada Bapak Prof. Dr. Ir. Usman Baafai selaku ketua pembimbing, Bapak Dr. Benny B. Nasution, Dipl. Ing, M.Eng dan Bapak Ir.Pernantin Tarigan, MSc selaku anggota komisi pembimbing yang dengan penuh sabar, arif dan bijaksana memberikan bimbingan, dorongan, petunjuk serta arahan kepada penulis. Ucapan terima kasih juga penulis sampaikan kepada Bapak Prof. Dr.Tulus, M.Si dan Bapak Dr. Poltak Sihombing, M.Kom selaku pembanding utama tesis ini yang banyak memberikan saran dan masukan demi kesempurnaan penulisan tesis ini. Dan yang terakhir ucapan terima kasih penulis sampaikan kepada keluarga, teman penulis seluruh staf pengajar dan karyawan Program Studi Magister Teknik Elektro yang telah banyak memberikan semangat dan perhatian serta toleransi sehingga tesis ini dapat terselesaikan.
persyaratan yang diperlukan untuk suatu tesis dalam Program Studi Magister Teknik Elektro Fakultas Teknik Universitas Sumatera Utara dapat tercapai.
Akhir kata penulis mengucapkan banyak terima kasih dan semoga tesis ini dapat berguna bagi kita semua. Amin.
Medan, Agustus 2013 Hormat saya,
DAFTAR RIWAYAT HIDUP
Saya yang bertanda tangan di bawah ini,
Nama : Herdianto
Tempat/Tanggal Lahir : Helvetia, 08 April 1977
Jenis Kelamin : Laki-laki
Agama : Islam
Bangsa : Indonesia
Alamat : Jl. Setia Budi No.12 Pasar 2 Helvetia
Menerangkan dengan sesungguhnya, bahwa:
PENDIDIKAN
1. Tamatan S1 Sistem Komputer UNPAB Tahun 2008
2. Tamatan D3 Teknik Komputer UNPAB Tahun 2004
3. Tamatan STM Negeri 2 Medan Tahun 1995
4. Tamatan SMP Negeri 14 Medan Tahun 1992
5. Tamatan SD Swasta Karya Bakti Tahun 1989
PEKERJAAN
Demikian riwayat hidup ini saya buat dengan sebenarnya untuk dapat dipergunakan sebagaimana mestinya.
Medan, 20 Agustus 2013 Tertanda,
DAFTAR ISI
1.1. Latar Belakang Masalah ... 1
1.2. Perumusan Masalah ... 6
2.1. Pengertian Prediksi ... 8
2.1.1.Teknik Prediksi ... 8
2.1.1.2. Prediksi Kuantitatif ... 9
2.2. Prediksi Kerusakan Motor Induksi ... 9
2.3. Motor Induksi ... 10
2.3.1. Konstruksi Umum Motor Induksi Satu Fasa ... 12
2.3.2. Prinsip Kerja Motor Induksi Satu Fasa ... 14
2.3.3. Jenis Kerusakan Motor Induksi ... 16
2.3.4. Penyebab Kerusakan Stator Motor Induksi ... 18
2.3.5. Parameter Untuk Memprediksi Kerusakan Stator Motor Induksi ... 22
2.3.5.1. Arus ... 22
2.4.4. Arsitektur Jaringan Saraf Tiruan Backpropagation ... 32
2.6. Algoritma Pembelajaran ... 37
2.7. Algoritma Pembelajaran Backpropagation Standar ... 38
2.7.1. Algoritma pelatihan ... 39
2.7.2. Algoritma aplikasi ... 41
2.8. Variasi Pembelajaran Backpropagation ... 42
2.8.1. Momentum ... 43
2.8.2. Perubahan Bobot Berkelompok ... 43
BAB 3 METODE PENELITIAN ... 44
3.1. Rancangan Penelitian ... 44
3.2. Variabel yang Diamati ... 61
4.4. Pengujian Mencari Nilai Momentum ... 73
4.5. Pengujian Hasil Pelatihan ... 75
4.5.3. Diuji Dengan Pola Yang Tidak Pernah Dikenali ... 79
BAB 5 KESIMPULAN DAN SARAN ... 81
5.1. Kesimpulan ... 81
5.2. Saran ... 81
DAFTAR PUSTAKA ... 83
DAFTAR TABEL
Nomor Judul Halaman
1. 1 Daftar Penelitian Terkait ... 3
2. 1 Klasifikasi Jenis Isolasi Stator ... 26
2. 2 Istilah Nama Antara JST Dengan Jaringan Saraf Biologis ... 28
3. 1 Menunjukkan Besar Arus Terhadap Kondisi Motor Induksi ... 46
3. 2 Menunjukkan Nilai Temperatur Terhadap Kondisi Motor Induksi ... 49
3. 3 Kombinasi Nilai Arus Dan Temperatur Terhadap Kondisi Motor Induksi . 49
4. 10 Perbandingan Antara Target Dengan Hasil Prediksi Pada Pola Pelatihan ... 77
DAFTAR GAMBAR
Nomor Judul Halaman
2. 1 Tipe Motor Induksi ... 11
2. 2 Bagian-Bagian Rotor ... 12
2. 3 Isolasi Kertas Yang Ditempatkan Pada Alur Laminasi ... 13
2. 4 Konstruksi Motor Induksi Satu Fasa ... 13
2. 5 Torsi Arah Maju Dan Torsi Arah Mundur ... 15
2. 6 Persentase Kerusakan Motor Induksi ... 16
2. 7 Permukaan Kumparan Stator Dalam Keadaan Baik (a) Dan Rusak (b) ... 18
2. 8 Permukaan Kumparan Stator Yang Rusak Akibat Panas Berlebih ... 19
2. 9 Permukaan Kumparan Stator Yang Rusak Akibat Tegangan Lebih ... 20
2. 10 Permukaan Kumparan Stator Yang Rusak Akibat Mekanik ... 21
2. 11 Permukaan Kumparan Stator Yang Rusak Akibat Keadaan Lingkungan Yang Lembab ... 21
2. 12 Rangkaian Listrik Motor Split Permanen Kapasitor ... 23
2. 13 Jaringan Saraf Secara Biologis ... 27
2. 14 Struktur Node Jaringan Saraf Tiruan ... 29
2. 15 JST Dengan 3 Lapisan ... 29
2. 16 Bentuk Jaringan Saraf Tiruan Dengan Lapisan Tunggal ... 30
2. 17 Bentuk JST Dengan Banyak Lapisan... 31
2. 19 JST Backpropagation Dengan Satu Lapisan Tersembunyi ... 33
2. 20 Fungsi Sigmoid Biner ... 37
3. 1 Bentuk Pola Data Arus Motor Induksi Dari Kondisi Baik Hingga Rusak... 45
3. 2 Bentuk Pola Data Arus Motor Induksi Dalam Kondisi Baik ... 46
3. 3 Bentuk Pola Data Arus Motor Induksi Dalam Kondisi Sedang... 47
3. 4 Bentuk Pola Data Arus Motor Induksi Dalam Kondisi Buruk ... 47
3. 5 Pola Data Temperatur Motor Induksi Dari Kondisi Baik Hingga Rusak ... 48
3. 6 Pola Data Temperatur Yang Telah Dilakukan Proses Normalisasi ... 51
3. 7 Pola Data Temperatur Motor Induksi Dalam Kondisi Baik ... 51
3. 8 Pola Data Temperatur Motor Induksi Dalam Kondisi Sedang ... 52
3. 9 Pola Data Temperatur Motor Induksi Dalam Kondisi Buruk ... 52
3. 10 Bentuk Jaringan Saraf Tiruan Dengan 96 Input (Time Delay 2 Hari) ... 54
3. 11 Bentuk Jaringan Saraf Tiruan Dengan 144 Input (Time Delay 3 Hari) ... 55
3. 12 Bentuk Jaringan Saraf Tiruan Dengan 192 Input (Time Delay 4 Hari) ... 55
3. 13 Bentuk Jaringan Saraf Tiruan Dengan 240 Input (Time Delay 5 Hari) ... 56
3. 14 Bentuk Jaringan Saraf Tiruan Untuk Mencari Jumlah Hidden Layer ... 57
3. 15 Bentuk Jaringan Saraf Tiruan Mencari Jumlah Node Hidden Layer ... 58
4. 1 Keberdekatan Hasil Prediksi Dengan Target Pada Pola Pelatihan ... 76
4. 2 Keberdekatan Hasil Prediksi Dengan Target Pada Pola Uji ... 79
