DIAGNOSIS KERUSAKAN BANTALAN GELINDING MENGGUNAKAN METODE RADIAL BASIS FUNCTION NEURAL NETWORK (RBFNN)
| Main Author: | Mariza, Devega |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2013
|
| Subjects: | |
| Online Access: |
http://www.msi.undip.ac.id http://eprints.undip.ac.id/39517/ |
Daftar Isi:
- Pada penelitian ini telah dilakukan diagnosis kerusakan bantalan gelinding pada mesin industri. Penelitian ini didasarkan bahwa suatu bantalan gelinding memegang peranan penting dalam suatu mesin yang berputar. Kerusakan bantalan gelinding dapat berakibat fatal yang dapat merugikan perusahaan. Oleh karena itu diagnosis kerusakan penting dilakukan untuk mencegah terjadinya kerugian dan kerusakan pada komponen lain pada suatu mesin. Diagnosis kerusakan dilakukan dengan mengklasifikasikan delapan jenis kerusakan. Delapan jenis kerusakan ini merupakan jenis-jenis kerusakan yang umumnya terjadi pada bantalan gelinding. Penelitian dimulai ekstraksi fitur, seleksi fitur dan proses klasifikasi. Proses klasifikasi menggunakan metode Radial Basis Function Neural Network (RBFNN). Hasil menunjukkan bahwa RBFNN memiliki performa yang cukup bagus dalam mengklasifikasi. Hal ini dapat terlihat dari akurasi yang dihasilkan dari masing-masing kelas.