PROGNOSIS KERUSAKAN BANTALAN GELINDING DENGAN FITUR SINYAL GETARAN DAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM

Abstract

Penelitian ini membahas tentang penggunaan data mining yang ditujukan untuk prognosis kerusakan bantalan gelinding. Input data diperoleh dari ekstraksi ciri (fitur) sinyal trend getaran yang diambil dari pengujian bantalan gelinding. Prognosis sangat penting bagi mesin-mesin industri karena mempunyai kemampuan untuk memprediksi kondisi kesehatan mesin pada saat beroperasi. Kegagalan total dapat dihindari dan ongkos perawatan dapat dioptimalkan dengan penerapan prognosis ini. Pada penelitin ini, ektraksi fitur statistik dari sinyal getaran menghasilkan fitur rata-rata (mean), RMS, skewness, kurtosis dan beta kurtosis. Fitur ini kemudian dimasukkan pada sebuah metode data mining yang dipilih yaitu adaptive neuro-fuzzy inference system (ANFIS). Validasi hasil prediksi ANFIS dilakukan dengan cara menghitung root mean square error (RMSE) dan koefisien korelasinya (R). Hasil penelitian menunjukkan bahwa prediksi terbaik ANFIS mempunyai nilai RMSE dan R masing-masing adalah 0,053 dan 0,900 untuk fitur RMS sinyal getaran dan dengan menggunakan 2 fungsi keanggotaan. Hasil ini dapat menginformasikan bahwa metode ANFIS mempunyai potensi yang menjanjikan untuk menjadi metode prognosis bantalan gelinding.