PEMODELAN MACHINE LEARNING UNTUK ANALISIS KONDISI PADA MOTOR LISTRIK

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.