Pendeteksian Kerusakan Bantalan Gelinding Menggunakan Metode Radial Basis Function Neural Network (Rbfnn)

  • Devega M
N/ACitations
Citations of this article
26Readers
Mendeley users who have this article in their library.

Abstract

Bantalan Gelinding memegang peranan penting dalam perputaran mesin. Kerusakan bantalan gelinding pada mesin industri dapat berakibat fatal dan mengakibatkan kerugian yang besar bagi perusahaan. Suatu mesin bisa menjadi sangat berbahaya jika kerusakan bantalan gelinding terjadi pada saat mesin sedang beroperasi. Oleh karena itu pendeteksian kerusakan bantalan gelinding penting dilakukan untuk menghindari kerusakan yang mengakibatkan kerusakan pada komponen mesin yang lain. Beberapa teknik telah diusulkan untuk pendeteksian kerusakan bantalan gelinding. Penelitian ini mendiagnosis dan mendeteksi kerusakan bantalan gelinding berdasarkan data getran motor yang diklasifikasikan berdasarkan kesamaan kelasnya. Metode klasifikasi yang digunakan adalah Radial Basis Function Neural Network (RBFNN). RBFNN mengklasifikasikan data getaran berdasarkan kesaamaan pola. Selain itu performa RBFNN lebih cepat jika dibandingkan dengan Back Propagation yang membutuhkan waktu lama. Lebih jauh lagi, RBFNN cocok digunakan untuk data-data dengan skala besar, dan Gaussian digunakan sebagai fungsi aktivasi dari RBFNN ini. Hasilnya tingkat kesalahan yang terjadi pada bantalan gelinding.

Cite

CITATION STYLE

APA

Devega, M. (2019). Pendeteksian Kerusakan Bantalan Gelinding Menggunakan Metode Radial Basis Function Neural Network (Rbfnn). JOISIE (Journal Of Information Systems And Informatics Engineering), 1(2), 115. https://doi.org/10.35145/joisie.v1i2.212

Register to see more suggestions

Mendeley helps you to discover research relevant for your work.

Already have an account?

Save time finding and organizing research with Mendeley

Sign up for free