Abstract:
Motor listrik memiliki cara kerja yaitu mengubah energi listrik menjadi energi mekanik
untuk melakukan gerakan. Motor ini melibatkan penggunaan umpan balik kecepatan
untuk mengatur koreksi pada input daya motor sehingga menjaga kecepatan putaran
yang diinginkan. Saat ditemukan kecepatan putaran yang sudah tidak konstan yang
diindikasikan dengan getaran yang tidak normal, fluktuasi tak terkendali, overheating,
dan hambatan operasional lainnya maka dipastikan terjadi kerusakan pada motor
tersebut. Pemantauan dan prediksi kerusakan tersebut dapat diselesaikan salah satunya
dengan menggunakan machine learning. Pada tugas akhir ini dirancang sebuah model
machine learning yang dibangun menggunakan python untuk memprediksi kondisi
kerusakan pada motor yang bertujuan untuk menghindari kerusakan tak terduga,
meningkatkan kinerja operasional, dan mengurangi biaya yang terkait dengan perbaikan
dan downtime. Berdasarkan hasil pengujian model yang dibangun dengan empat jenis
algoritma seperti k-nearest neighbor, decision tree, Xgboost dan deep neural network,
diperoleh bahwa algoritma Xgboost dan deep neural network memiliki performa terbaik
dengan akurasi 85% sehingga mampu mendeteksi terjadinya kerusakan motor dengan
lebih efektif. Dengan demikian, model ini dapat dijadikan rujukan bagi industri dalam
memitigasi kerusakan motor secara otomatis sehingga diperoleh tindakan yang preventif
dalam upaya meningkatkan kinerja operasional, dan mengurangi biaya perawatan
motor.
