Tugas Akhir
Deteksi dini kerusakan ball bearing menggunakan metode decision tree
Bearing merupakan salah satu komponen penting dalam mesin yang berfungsi
sebagai tempat dudukan dan memposisikan kesejajaran poros secara radial pada saat
berputar. Statistik menunjukkan sekitar 50% kegagalan pada motor listrik berkaitan
dengan bearing. Oleh karena itu, memonitoring kinerja dan efisiensi bearing sebelum
terjadi kerusakan perlu dilakukan untuk menghindari kerusakan yang lebih serius dan
menghemat biaya perbaikan. Penelitian ini bertujuan untuk membangun model
klasifikasi yang dapat mengidentifikasi bearing dalam kondisi normal dan 6 jenis
kerusakan(inner crack, outer crack, ball crack, dan kombinasi keduanya) menggunakan
HUST dataset. Proses pembuatan model dimulai dengan melakukan pengumpulan dataset,
pengolahan dan pengekstrasian fitur dataset, pembangunan model klasifikasi dan mengevaluasi
model yang telah dibuat. Model klasifikasi yang digunakan adalah metode decision tree
sebagai suatu representasi grafis berbentuk pohon keputusan dengan hasil yang berbeda pada
setiap cabangnya. Hasil model decision tree yang telah dibangun mampu mengidentifikasi
kerusakan bearing dengan akurasi sebesar 94,47%
Ketersediaan
| S24-0281 | 24/TA/M/24 621.822.6:620.19 ROB d | Perpustakaan Poltek Nuklir | Tersedia |
Informasi Detail
- Judul Seri
-
-
- No. Panggil
-
621.822.6:620.19 ROB d
- Penerbit
- Yogyakarta : Poltek Nuklir., 2024
- Deskripsi Fisik
-
xvi, 66 halaman : ilustrasi
- Bahasa
-
Indonesia
- ISBN/ISSN
-
-
- Klasifikasi
-
621.822.6:620.19
- Tipe Isi
-
teks
- Tipe Media
-
komputer
- Tipe Pembawa
-
sumber daya sambung jaring
- Edisi
-
-
- Subjek
- Info Detail Spesifik
-
-
- Pernyataan Tanggungjawab
-
Robi Sulaiman
Versi lain/terkait
Tidak tersedia versi lain
Lampiran Berkas
Komentar
Anda harus login sebelum memberikan komentar
