Identifikasi Keausan Bantalan Tirus (Tapered Bearing) Berbasis Analisis Vibrasi dengan Metode Support Vector Machine (SVM)

Abstract

Data mining memiliki arti kegiatan yang meliputi pengumpulan, pemakaian data historis untuk menemukan keteraturan, pola atau hubungan, dalam set data berukuran besar[21]. Data mining fokus pada prediksi dan deskripsi data. Support Vector Machine (SVM) adalah salah satu teknik dari data mining, digunakan untuk menyelesaikan kasus klasifikasi dan regresi data. Dalam penelitian ini metode SVM digunakan untuk mengidentifikasi keausan pada bantalan tirus (tapered bearing). Data yang digunakan adalah data yang berasal dari analisis vibrasi. Pengujian analisis vibrasi dilakukan pada bantalan yang tidak mengalami keausan (normal) dan bantalan yang mengalami keausan. Keausan pada inner race diamati pada BPFI, keausan pada outer race diamati pada BPFO. Data vibrasi dari kedua bantalan tersebut disatukan menjadi database. Database tersebut dibagi menjadi data testing dan data training. Keausan pada bantalan dapat diidentifikasi salah satunya melalui spektrum data vibrasi dimana muncul sideband di daerah BPFO untuk outer race dan BPFI untuk inner race dengan nilai ± 1x FTF. Identifikasi keausan melalui metode SVM menghasilkan model dengan mengumpulnya data BPFI atau BPFO sebagai indikasi terdapat keausan pada bantalan tersebut. Optimasi metode SVM dilakukan dengan metode K­-fold yang menghasilkan metode SVM dengan keakurasian tertinggi.