Diagnosis Kerusakan Bantalan Gelinding Pada Sistem Industri Dengan Metode Self Organizing Map (SOM)
This research is discussing about the usage of data mining which addressed to damage diagnosis of rolling bearings. Data input was obtained from signal frequency feature extraction which taken from calibration against rolling bearings. The diagnosis was extremely important to industrial machines since this diagnosis can help to discover damages that occurred so that total failure of cessation of the machines can be avoided and industrial machines treatment costs can be optimized. Method used in this research is Self Organizing Map (SOM), SOM method on this research was done by sequence: signal frequency data that have been through the process of acquisition and preprocessing, feature extraction, Principal Component Analysis (PCA), then come into the process of SOM so that accuracy of the diagnosis process can be discovered. The result of this research is a software that can diagnose rolling bearings damage on industrial system. From tests result, software that has been produced was able to diagnose rolling bearings damage. Accuracy result shown 87.5% success, this software can be developed further to help technicians in diagnosing rolling bearings damage. This research method can be developed further to detect other damages in industrial systems.
Keywords: Data mining; PCA; SOM; Diagnosis; Rolling bearings; Statistic feature extraction
Article Metrics:
Penulis yang mengirimkan naskah harus memahami dan menyetujui bahwa jika diterima untuk dipublikasikan, hak cipta dari artikel adalah milik JSINBIS dan Universitas Diponegoro sebagai penerbit jurnal.
Hak cipta (copyright) meliputi hak eksklusif untuk mereproduksi dan memberikan artikel dalam semua bentuk dan media, termasuk cetak ulang, foto, mikrofilm dan setiap reproduksi lain yang sejenis, serta terjemahan. Penulis mempunyai hak untuk hal-hal berikut:
- menggandakan seluruh atau sebagian materi yang dipublikasikan untuk digunakan oleh penulis sendiri sebagai bahan pengajaran di kelas atau bahan presentasi lisan dalam berbagai forum;
- menggunakan kembali sebagian atau keseluruhan materi sebagai bahan kompilasi bagi karya tulis penulis;
- membuat salinan dari bahan yang dipublikasikan untuk didistribusikan di lingkungan institusi tempat penulis bekerja.
JSINBIS dan Universitas Diponegoro serta Editor melakukan segala upaya untuk memastikan bahwa tidak ada data, pendapat atau pernyataan yang salah atau menyesatkan yang dipublikasikan di jurnal ini. Isi artikel yang diterbitkan di JSINBIS adalah tanggung jawab tunggal dan eksklusif dari masing-masing penulis.
