Klasifikasi Kerusakan Motor Induksi Menggunakan Metode Transformasi Wavelet Diskrit Dan K-Nearest Neighbor

Abstract

Dalam bidang industri, motor induksi 3 fasa sering digunakan, motor listrik ini dikenal memiliki konstruksi yang lebih kuat dari jenis motor listrik lain. Namun motor listrik ini tidak terlepas dari kerusakan. Kerusakan yang sering terjadi disebabkan oleh faktor lingkungan kerja dan umur motor. Kurangnya pengetahuan tentang sistem dalam mendeteksi kerusakan motor induksi 3 fasa mengakibatkan mesin mengalami shut-down berhenti beroperasi, sehingga mengakibatkan kerugian di sektor industri. Metode ekstraksi sinyal Transformasi Wavelet Diskrit (DWT) dan K-Nearest Neighbor (KNN) untuk klasifikasi data motor induksi dengan berbagai kondisi kerusakan mampu menghasilkan tingkat akurasi yang tinggi. Dalam penelitian ini dilakukan klasifikasi terhadap kondisi kerusakan bearing, air gap, rotor dan stator motor induksi. Hasil klasifikasi yang diperoleh dengan tingkat akurasi lebih dari 95%.