PENERAPAN INDEPENDENT COMPONENT ANALYSIS (ICA)UNTUK PEMISAHAN SINYAL SUARA MESIN BERPUTAR DI PT. GRESIK POWER INDONESIA (THE LINDE GROUP)
|
|
- Hadi Rachman
- 6 tahun lalu
- Tontonan:
Transkripsi
1 1 PENERAPAN INDEPENDENT COMPONENT ANALYSIS (ICA)UNTUK PEMISAHAN SINYAL SUARA MESIN BERPUTAR DI PT. GRESIK POWER INDONESIA (THE LINDE GROUP) Dian Nur Hayati, Dhany Arifianto Jurusan Teknik Fisika Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember (ITS) Kampus ITS Sukolilo, Surabaya {dian, dhany}@ep.its.ac.id ABSTRAK p ada umumnya di industri manufaktur banyak menggunakan mesin yang berputar, salah satunya adalah pompa motor. Salah satu metode pemeliharaan yang digunakan adalah predictive maintainance (PdM), yang menuntut operator untuk terjun langsung ke lapangan. Dalam penelitian ini, penulis mencoba mengembangkan konsep monitoring kondisi mesin dari jarak jauh. Dalam implementasinya, konsep ini ditekankan pada pemisahan sinyal suara yang diemisikan oleh beberapa mesin dengan menggunakan algoritma independentcomponent analysis (ICA) yang direkam dengan menggunakan teknik mikrofon array dengan asumsi bahwa sinyal dari emisi mesin bersifat stasioner dan bebas. Proses pemisahan yang dilakukan menggunakan dua teknik yaitu, time domain ICA danfrequency domain ICA. Penelitian ini dilakukan dalam kondisi riil di lapangan untuk mengetahui unjuk kerja dari metode yang digunakan dimana unjuk kerja ditunjukkan dengan nilai MSE(Mean Square Error). Hasil dari penelitian ini menunjukkan bahwa unjuk kerja dari ICA menurun.hal ini ditunjukkan dengan nilai MSE sebesar 0,9 untuk TDICA dan 1,08 untuk FDICA dimana nilai ini lebih tinggi dari pada penelitian sebelumnya yang dilakukan diruang kedap.metode analisa dengan akustik ini juga divalidasi dengan metode vibrasi, dimana dari sini diketahui bahwa terjadi pergeseran frekuensi antara frekuensi yang dihasilkan oleh metode akustik dan vibrasi sebesar antara 1-10%. Kata Kunci: TDICA, FDICA,MSE, Sinyal Suara. 1. PENDAHULUAN Monitoring kondisi mesin khususnya mesin berputar (rotating machinery), merupakan hal penting dalam dunia Industri. Hal tersebut dilakukan guna menjaga kelangsungan proses produksi agar tidak terjadi trip yang mengharuskan proses produksi terhenti. Pada saat ini kebanyakan metode yang digunakan untuk memonitoring kondisi mesin di industri adalah analisis getaran. Analisis getaran menganalisa pola getaran berdasarkan parameter-parameter getaran seperti frekuensi, amplitudo dan phasa. Perubahan terhadap parameter tersebut menunjukkan adanya kelainan pada mesin yang dapat diidentifikasi sebagai kerusakan mesin [1].Namun demikian metode ini masih mempunyai banyak kelemahan.untuk itulah perlu dikembangkan teknik prediksi kerusakan mesin yang baru. Adanya perubahan getaran menimbulkan perubahan terhadap suara yang di-emisikan mesin. Dengan kata lain, perubahan suara merupakan manifestasi adanya perubahan pola getaran mesin. Seperti halnya sinyal getaran, sinyal suara juga sensitif terhadap parameternya: frekuensi, amplitudo dan phasa. Dari sinilah mulai dikembangkan teknik baru deteksi kerusakan menggunakan analisa suara dengan cara memisahkan dan mengekstraksi sinyal suara yang ditangkap oleh sensor berupa mikrofon array. Bagus (2009), Septian (2010) dan Aris (2010) mengembangkan penelitian tersebut dengan fokus yang berbeda untuk beberapa mesin sekaligus yang bekerja secara bersamaan dan memisahkan sinyal suara tiap mesin dari suara campuran dengan metode pemisahan sinyal buta (BSS, Blind Source
2 2 Separation).Perkembangan penelitian tersebut menunjukkan hasil yang signifikan dan pengaruh bising lingkungan tidak banyak mempengaruhi sistem analisanya.namun demikian penelitian ini masih dalam skala laboratorium dan belum diketahui kinerjanya secara riil di lapangan, yang mana pada kenyataanya di lapangan banyak terdapat noise. Melalui penelitian ini penulis mencoba mengimplementasikan metode BSS model Independent Component Analysis (ICA) di riil plant yaitu di PT. Gresik Power Indonesia (The Linde Group) untuk mengetahui kinerja sesungguhnya yang ditunjukkan dengan nilai dari MSE untuk pemisahan sinyal suara. Hasil dari penelitian ini diharapkan nantinya dapat digunakan untuk mendeteksi kerusakan mesin, dan apabila dimungkinkan dilakukan perbaikan dan pengembangan atas metode yang sudah ada. 2. DASAR TEORI 2.1 Mesin Berputar Mesin berputar merupakan mesin yang berfungsi untuk mengubah energi listrik menjadi energi mekanik berupa putaran. Jenis-jenis mesin berputar yang sering digunakan diantaranya fan/kipas, blower, pompa, turbin, dan motor. Di dunia industri mesin berputar ini mempunyai peranan yang besar dalam proses produksi. Mesin ini terdiri dari beberapa bagian, antara lain rotor, bearing,shaft dll yang menjadi kesatuan dari mesin berputar. Bagian dari mesin berputar ini bisa dilihat pada gambar di bawah ini : Gambar 1.Bagian-Bagian Mesin Berputar [7] 2.2 M ikrofon Array Mikrofon Array adalah salah satu contoh dari Sensor Array. Metode Array sensor ini menggunakan beberapa sensor atau banyak sensor untuk mengindera sinyal fisis yang dibawa oleh propagasi gelombang. Salah satu jenis dari sensor ini bisa dilihat pada gambar 2 di bawah ini : Gambar 2. Sensor Mikrofon array [8] Aplikasi dari sensor ini adalah untuk mengekstraksi sinyal input berupa suara dari kebisingan latar. Pola penyebaran/distribusi suara pada sensor ini bersifat omnidirectional atau merata [8].Padagambar 3di bawah ini terdapat dua micophone untuk menangkap dua sinyal suara yang dihasilkan oleh sumber, s 1 dan s 2. Gambar 3.Penerimaan Sinyal Akustik pada MikrofonArray [4] Jarak s 1 lebih dekat ke kedua microphone dibandingkan jarak s 2. Output kedua sumber akan diterima oleh kedua microphone. Karena jarak s 1 lebih dekat maka akan diterima lebih dulu oleh microphone dan menguatkan sinyal suara dari s 2, sehingga karena lebih jauh sinyal s 2 mengalami pelemahan [9]. Output kombinasi dari M- microphoney[n] tersebut dapat dituliskan: M y[ n] x( n m ) (1) m 0 Dimana delay, τ dapat dihitung dari kecepatan suara, v d cos (2) v d adalah jarak antar mic dan θ adalah sudut datang sumber. Dengan menggunakan susunan dari beberapa microphone(micophone Array) daripada satu microphone, maka dapat dicapai kemampuan menyeleksi ruang (spatial-selectivity) serta menguatkan sinyal propagasi dari sumber arah
3 3 khusus (spatial-direction), sambil melemahkan propagasi sumber dari arah lain. Micophone Array ini merupakan interpretasi dari algoritma BSS [10]. 2.3 Algoritma Blind Source Separation (BSS) Model ICA Blind Source Separation adalah salah satu cara untuk memisahkan secara buta suatu sinyal tercampur (mixed signal) menjadi sejumlah sinyal pembentuknya. Gambar 4.Pemisahan Sumber Secara Buta [12] Pada gambar 4 di atas, Z T merupakan sumber dan A adalah matrik percampuran sedangkan X T adalah sinyal campuran yang tertangkap oleh sensor. BSS merupakan salah satu teknik yang digunakan untuk memperoleh sumber dari percampuran secara buta.karena setiap komponen yang tercampur bersifat bebas, maka sinyal yang tercampur ini dapat direkontruksi kembali menjadi sinyal pembentuknya. Tujuan dari algoritma BSS adalah bagaimana mendapatkan estimasi sumber Z T dari output pengukuran sensor X T. Secara matematis, jumlahan sinyal akustik diatas dapat diformulasikan: x i (t)= A*z n (t)+n(t) (3) diamana x=[x 1,x 2,...x m ] T adalah vektor yang mewakili sinyal terukurx i, z=[z 1,z 2,...,z n ] adalah vektor yang mewakili sumber. A adalah matriks jumlahan yang menduduki kolom penuh. BSS digunakan untuk menemukan matriks A -1, karena A - 1 x sama dengan matrik sumber zdengan x terukur [12]. Gambar 5.Sinyal Rekontruksi dari Pemisahan dengan BSS [12] Dengan algoritma BSS akan dicari sinyal sumber z(t), dimana keduanya telah terjumlah dalam x. Sistem Kerja BSS adalah memisahkan sinyal sumber (source, komponen independen, dalam hal ini suara) secara buta (blind), yakni tanpa mengetahui vektor jumlahan A (A=[a(α 1 )...a(α N )]). Permasalahan pada BSS adalah mengestimasi matriks jumlahan A dan sumber independen z(t) dengan T untuk x(t). Meskipun noise dapat diestimasi, z(t) tidak dapat diperoleh secara eksak. Pendekatan untuk mengatasi masalah BSS ini dapat dilakukan dengan metode Independent Component Analysis (ICA), yaitu dengan analisa bahwa sifat dari masing-masing sinyal bebas sehingga suatu informasi dari satu sinyal tidak bisa dicari dari sinyal yang lainnya. Pada gambar 5 di atas sumber z(t) di estimasikan dengan sinyal y(t), yang mana matrik W = A Wide Sense Stationary (WSS) Wide sense stationary merupakan suatu proses stokastik atau acak yang menyatakan bahwa distribusi sistem tidak berubah terhadap waktu jika sistem yang ditinjau bersifat tetap atau stasioner [16]. Jadi distribusi ini sering digunakan untuk menganalisa sistem yang bersifat tetap. WSS dapat dinyatakan dengan persamaan sebagai berikut ini : (3) Pada persamaan 3 diatas, dinyatakan bahwa nilai awal pengukuran sama dengan nilai akhir dari pengukuran, sehingga persamaan tersebut bersifat tetap dimana kondisi awal sama dengan kondisi akhir atau bisa dikatakan bahwa sistem konstan terhadap fungsi waktu. Di dalam pemrosesan sinyal, sinyal dikatakan stasioner jika fluktuasi dari sinyal masih dalam
4 4 batas atau range frekuensi yang telah ditentukan. Sehingga sinyal dapat dianggap sama mulai dari awal pengukuran sampai akhir atau stasioner. Contoh dari sinyal stasioner dengan bukan stasioner bisa dilihat pada gambar 6 di bawah ini. Pada gambar 6 yang atas adalah contoh sinyal stasioner,dimana fluktuasi dari sinyal hanya berkisar antara amplitude -5 sampai 5 sehingga sinyal bisa dikatakan stasioner. Untuk gambar 6 yang bawah, merupakan contoh dari sinyal nonstasioner yang mana fluktuasi dari sinyal lebih tajam, sehingga amplitudo tidak pada posisi segaris. Gambar 6.Contoh Sinyal Stasioner dan Bukan Stasioner [16] Suara mesin yang dihasilkan oleh emisi mesin kebanyakan bersifat stasioner atau tetap. Yang mana suara yang dihasilkan akan tetap sepanjang waktu jika tidak ada gangguan yang terjadi pada mesin. Hal inilah yang bisa digunakan sebagai acuan dalam penelitian di sini sehingga pemisahan sinyal bisa dilakukan dengan lebih mudah. 2.5 Mean Square Error (MSE) MSE merupakan suatu metode untuk mengukur perbedaan antara estimator (sinyal rekonstruksi) dan nilai sebenarnya (sinyal baseline) dari kuatitas yang diperkirakan. Secara garis besar dengan menghitung nilai MSE, maka akan diperoleh selisih pergeseran yang diperoleah antara sinyal asli dan sinyal rekonstruksi., yang dapat ditunjukkan pada persamaan di bawah ini[2], MSE = 1 n (S S ) dimana, MSE = Mean Square Error n = jumlah sample S S c = sinyal asli (baseline) = sinyal hasil estimasi Secara garis besar teknik yang pemisahan dengan menggunakan time-domain ICA (TDICA) danfrequency-domainica(fdica) serta pengidentifikasian kerusakkan mesin dengan melihat secara kualiatif sinyal dengan frekuensi sesaat. 3. METODOLOGI PENELITIAN Pada penelitian ini digunakan mesin CWP (Cooling Water Pump) atau pompa untuk pendingin uap yang mempunyai peranan utama dalam proses produksi. Tahapan yang digunakan pada penelitian ini dapat dibagi menjadi empat tahap. Pertama adalah penentuan titik pengukuran, yaitu dengan pengukuran di medan dekat. Untuk memperoleh titik medan dekat pengukuran, digunakan alat Sound Level Meter untuk mengukur tingkat tekanan bunyi, yang mana medan dekat diperoleh jika tingkat tekanan bunyi di sekeliling mesin menjukkan hasil yang sama. Dalam penelitian ini didapatkan medan dekatnya berada pada jarak 97 cm dari mesin dengan tingkat tekanan bunyi berkisar 97 db seperti yang terlihat pada gambar 3 dibawah ini : Gambar 7. Posisi dari Peletakan Sensor Pengukuran Kedua adalah proses perekaman sinyal suara mesin pompa. Proses perekaman dilakukan pada bagian NDE (Non-Drive-End) atau bagian mesin yang jauh dengan kopling dan DE (Drive End) atau bagian mesin yang dekat dengan kopling pompa. Setting perekaman sinyal suara mesin pompa adalah mono, 32 bit (recording depth), 32 bit (audio mix down), vol.15 dan frekuensi sampling Hz.
5 5 Hasil rekaman dalam format.wav dan proses perekaman dilakukan dengan cara single channel untuk mencari sinyal baseline dan multi channel untuk memperoleh sinyal campuran. Ini bisa dilihat pada gambar 4, yang mana untuk mencari sinyal baseline letak sensor sejauh 10 cm dari sumber dan untuk sensor campuran letak sensor sejauh 97 cm dari sumber dan jarak antar sensor adalah 25 cm untuk menghindari peristiwa aliasing. Gambar 9. Sinyal Baselinedari Bagian NDE Pompa b. Sinyal campuran dengan menggunakan 3 sensor. Gambar 8.Proses Perekaman untuk Memperoleh Sinyal Baseline dan Sinyal Campuran. Ketiga adalah proses pengolahan sinyal suara dengan software Matlab 2009 dan untuk proses pemisahan sinyal suara dilakukan dengan pendekatan analisa komponen yang bersifat bebas (ICA) yakni dalam domain frekuensi (FDICA), domain waktu (TDICA). Tahap yang terakhir adalah perhitungan performansi dari metode ICA dengan menggunakan MSE. 4. ANALISA DATA DAN PEMBAHASAN Pada poin ini akan dipaparkan data hasil penelitian yang telah dilakukan dan analisanya dengan menyajikan data yang diperoleh dari lapangan dari PT.Gresik Power Indonesia, kemudian menganalisanya menggunakan algoritma ICA untuk mencari sinyal sumber dari mesin yang dijadikan obyek penelitian dengan cara memisahkan sinyal campuran dari beberapa mesin dengan sinyal baseline dari mesin obyek. Pemisahan sinyal suara ini digunakan untuk mengetahui karakteristik dari tiap-tiap mesin yang nantinya digunakan untuk mediagnosa kondisi dari mesin dengan menggunakan frekuensi sesaat. a. Sinyal Baseline dari mesin pompa yang dijadikan obyek pada bagian NDE pompa. Gambar 10.Sinyal Campuran dengan Menggunakan 3 Mikrofon. c. Sinyal hasil pemisahan dari sinyal campuran dengan menggunakan TDICA. Gambar 11. Sinyal estimasi dengan menggunakan TDICA d. Sinyal hasil pemisahan dari sinyal campuran dengan menggunakan FDICA. Gambar 12. Sinyal Estimasi dengan Menggunakan FDICA e. Frekuensi sesaat dari sinyal estimasi dengan metode pemisahan secara TDICA dan FDICA.
6 6 Tabel 1. Frekuensi Sesaat dari Sinyal Estimasi dengan FDICA dan TDICA Sinyal Baseline Hasil Pemisahan TDICA Hasil Pemisahan FDICA spektrum untuk frekuensi sesaat bisa dilihat pada tabel 1.Frekunesi sinyal baseline yang dominan untuk NDE adalah pada 6,8x10 5 cpm.ini dapat dilihat dari spektrum yang berbentuk garis lurus pada tabel 1 untuk sinyal baseline. Dari perbandingan antara hasil pemisahan antara TDICA dan FDICA, dapat dilhat bahwa metode TDICA lebih unggul disbanding dengan FDICA karena hasil pemisahan dengan TDICA lebih mendekati dengan baseline.untuk membuktikan hasil performansi pemisahan ini, maka dicari nilai dari MSE untuk masing-masing metode.dengan MSE ini diperoleh nilai error seperti yang tercantum dalam tabel 2 dibawah ini : Tabel 2. Hasil MSE untuk TDICA dan FDIC Inputan TDICA FDICA Sensor X1 1,0093 1,1595 X2 0,6911 0,5472 X3 1,0423 1,0617 Rata-rata Pada gambar 9 di atas, dapat diketahui bahwa sinyal baseline untuk mesin pompa ini memang mempunyai sifat stasioer sesuai dengan asumsi pada awal penelitian.pada sinyal campuran yang ditunjukkan pada gambar 10 diatas, dapat dilihat bahwa spektrum yang paling mirip dengan sinyal baseline adalah sinyal yang ditangkap oleh mikrofon kedua yang mempunyai posisi lurus terhadap sensor sehingga menerima sinyal yang paling besar. Dari hasil pemisahan yang ditunjukkan pada gambar 11 untuk TDICA dan gambar 12 untuk FDICA, dapat dilihat bahwa hasil pemisahan dengan TDICA memiliki hasil pemisahan yang lebih baik yang ditunjukkan dengan dengan hasil spektrum sinyal yang lebih mirip sinyal baseline. Dari hasil pemisahan dengan metode FDICA, sinyal rekontruksi yang dihasilkan menjadi sinusoidal.untuk mempermudah analisa, maka sinyal diubah kedalam domain frekuensi sehingga didapatkan frekuensi spektal yang nantinya dijadikan acuan untuk mendeteksi jenis kerusakan yang mungkin terjadi pada mesin.hasil Dari perhitungan MSE tersebut, dapat dilihat bahwa sensor 2 mempunyai nilai MSE yang paling kecil.ini disebabkan karena letak dari sensor 2 ini lurus mesin sehingga jarak tempuh gelombang bunyi yang sampai ke sensor lebih dekat sehingga dihasilkan lebih banyak informasi dari mesin bila dibandingkan dengan sensor 1 dan sensor 3. Untuk menguji kebenaran dari metode ini perlu dilakukan validasi.validasi dilakukan dengan membandingkan data dari perusahaan yang menggunakan sensor vibrasi untuk memonitoring kondisi dari mesin yang dijadikan obyek penelitian ini yaitu mesin pompa (cooling water pump).untuk validasi ini, sinyal estimas dari pemisahan akan disajikan dalam bentuk frekuensi sesaatnya. Ini bisa dilihat pada gambar 10 a dan gambar 10.b.
7 m/s/s rms B FP Pump A - NDE pump - Axi al - Acc F req CP M 0 20,000 40,000 60,000 80, , , , , , , , , , , ,000 C PM (a) Curso r A: CPM m/ s/s O/All m /s/ s rm s 19 -Apr-11 2:14 :04 PM O/ All m/ s/s rms <set RPM> 25 -Mar-11 1:57 :50 PM O/ All m/ s/s rms <set RPM> (b) Gambar 10. (a). Sinyal Vibrasi untuk NDE (b). Frekuensi Sesaat dari Sinyal Estimasi Pada gambar 10.(a),sinyal vibrasi untuk mesin pompa mempunyai frekuensi dominan pada frekuensi rendah,yaitu 6,2x10 5 cpm sedangkan pada gambar 10.(b), didapatkan hasil untuk frekuensi dominan sinyal akustik sebesar 6,8x10 5 cpm. Frekuensi dominan yang dihasilkan antara akustik dan vibrasi tidak sama, terjadi pergeseran yang mana frekuensi akustik lebih besar dari pada frekuensi untuk metode vibrasi. Untuk mengetahui pergeseran yang terjadi antara metode akustik dengan vibrasi, dilakukan validasi dengan percobaan di lab.yaitu dengan mengukur frekuensi sesaat dari pompa air dan frekuensi dari vibrasi.dari hasil tersebut didapatkan bahwa memang terjadi pergeseran frekuensi dimana frekuensi akustik yang dihasilkan lebih rendah bila dibandingkan metode vibrasi.ini karena pada akustik terjadi perambatan gelombang akibat adanya jarak antara sumber dengan sensor.ini mengakibatkan terjadi pelemahan frekuensi sinyal suara yang ditangkap sensor.frekuensi dominan pompa dengan metode vibrasi adalah 49,1430 Hz sedangkan untuk metode akustik adalah 48 Hz. Dari sini diketahui bahwa pelemahan frekuensi yang terjadi adalah 1,1430 Hz. Namun pada penelitian ini didapatkan hasil bahwa metode akustik mempunyai frekuensi dominan yang lebih besar.ini akibat dari bunyi latar yang besar di riil lapangan sehingga sinyal suara yang ditangkap sensor lebih kuat.untuk mengetahui bunyi latar yang kuat ini, dilakukan pemetaan kebisingan di sekitar tempat CWP. Dari hasil pemetaan ditemukan bahwa tingkat tekanan bunyi yang ditangkap oleh sensor sebesar 106,57 db, sedangkan tingkat tekanan bunyi dari CWP itu sendiri adalah sekitar 98 db. Jadi terjadi penambahan tingkat tekanan bunyi yang ditangkap oleh sensor sebesar 8,57 db. Di sini terjadi pergeseran sebesar 0,6x10 5 cpm, sehingga dari keseluruhan dapat diambil kesimpulan bahwa pergeseran yang dialami berkisar antara 1-10% antara metode akustik dan vibrasi. Dalam penelitian ini juga dilakukan analisa pola frekuensi dari dari dua mesin berputar yang berbeda jenisnya untuk mengetahui apakah pola frekuensi harmonis dari dua mesin yang berbeda mempunyai kesamaan. Di sini digunakan 2 mesin dalam keadaan unbalance dan dari percobaan ini diketahui bahwa pola frekuensi harmonis antara dua mesin tersebut tidak sama. Ini membuktikan bahwa setiap mesin mempunyai pola khusus yang tidak dimiliki oleh mesin yang lain. 5. PENUTUP 5.1 Kesimpulan Berdasarkan penelitian yang telah dilakukan tentang pemisahan sinyal suara dari mesin berputar dengan asumsi adanya background noisedi riil lapangan, maka dapat diambil beberapa kesimpulan yaitu, performansi dari ICA akan menurun ketika diterapkan pada bunyi latar yang tinggi. Ini ditunjukkan dengan hasil MSE yang semakin besar yaitu 0,9 untuk TDICA dan 1,08 untuk FDICA. Hasil MSE ini lebih tinggi dari pada hasil MSE yang dilakukan di ruang kedap lab yaitu 0,18 untuk TDICA dan 0,2 untuk FDICA. Dari nilai MSE ini juga dapat diketahui bahwa metode TDICA lebih unggul dibandingkan dengan
8 8 FDICA dengan nilai MSE yang lebih kecil sehingga sinyal rekontruksi lebih mendekati baseline. Frekuensi dominan yang dihasilkan oleh metode vibrasi adalah 2,5x10 5 cpm dan 6,3x10 5 cpm untuk mesin DE dan 6,2x10 5 cpm untuk mesin NDE. Sedangkan frekuensi dominan untuk metode akustik adalah 2x10 5 cpm dan 6,7x10 5 cpm, untuk mesin NDE adalah 6,8x10 5 cpm. Hasil yang seharusnya adalah frekuensi untuk vibrasi lebih tinggi dibandingkan metode akustik, kenyataan di riil lapangan menunjukkan hasil lain, yang mana metode akustik mempunyai frekuensi yang lebih besar. Ini disebabkan adanya bunyi latar yang tinggi sebesar 106,57 db, sehingga bunyi yang ditangkap sensor mengalami penguatan sehingga mempunyai frekuensi yang tinggi. Pada penelitian ini juga belum diketahui pola khusus untuk masing-masing kondisi pada mesin. 5.2 Saran 1. Dilakukan pengkajian ulang terhadap algoritma dasar ICA, agar performansi dari pemisahan dengan metode ini meningkat walaupun bising latar juga semakin tinggi. 2. Penelitian tentang pola-pola khusus yang dihasilkan mesin putar ketika mengalami kerusakan sehingga metode akustik sama seperti metode vibrasi yang mempunyai standart spektrum khas untuk masingmasing kerusakan. 6. DAFTAR PUSTAKA [1] Newland, D.E., 2005, An Introduction to Random Vibrations, Spectral and Wavelet Analysis, Dover Publishing Co., New York, [2] Anda, AR, Penggunaan Frekuensi Sesaat Untuk Deteksi Pola Suara Kerusakan Motor Listrik, Tugas Akhir, ITS, [3] Rahmadana, Yuniar., Penentuan Pola Suara Mesin Berputar pada Beberapa Kondisi Kerusakan dengan Metode Frukensi Sesaat,Tugas Akhir, ITS, [4] Tris Atmaja, Bagus., Pemisahan Banyak Sumber Suara Mesin Dari Microphone Array Dengan Metode Independent Componen Analysis (ICA) Untuk Deteksi Kerusakan, Tugas Akhir, ITS, [5] Firmanda,Septian, Identifikasi Secara Serentak Kerusakan Mesin Menggunakan Independent Component Analysis Berdasarkan Convolutive Mixture, Tugas Akhir, ITS, [6] Yunata, Aris Surya, Identifikasi Kerusakan Mesin Secara Serentak di Ruang Terbuka dengan Independent Component Analysis, Tugas Akhir, ITS, [7] Girdhar, Paresh., 2004, Practical Machinery Vibration Analysis andpredictive Maintenance, Oxford, Newnes Inc. [8] [9] Douglas, SC., 2001, Microphone Array Technique and Application: BSS ofacoustic Signal. (Bredstein-D.Ware, Eds.), Berlin: Springer Inc. [10] Parra, Lucas., 2002, Tutorial on Blind Source Separationand Independent Component Analysis, Adaptive image and signal processing group, Sarnoff Corporation. [11] Hansen, lars K. Kongsgaard, Rasmus., Estimating the number of sources in a noisy convolutive mixture using Bic, Denmark, informatics and mathematical modeling,b321 [12] DES/BSShandouts.pdf [13] Hicham, Shahram,Yannick.,2010, Devillenoisy Cyclo-Stationary BSS Using Frequency DomainPseudo-Correlation, Denmark, 18th European Signal Processing Conference (EUSIPCO-2010). [14] StatInference/ otes/lecture32.pdf [15] error [16]
9 9 BIODATA PENULIS Nama : Dian Nur Hayati Alamat :Jl. Raya Tanjung, Kalidawir, T.Agung RW03/RT03 TTL : T.Agung, 8 Mei 1988 Riwayat Pendidikan : 1. MI Tarbiyatussibyan Tanjung ( ) 2. MTsN Tunggangri ( ) 3. SMA 1 Ngunut ( ) 4. Teknik Fisika ITS (2007-sekarang)
SEMINAR TUGAS AKHIR Laboratorium Akustik Dan Fisika Bangunan
SEMINAR TUGAS AKHIR Laboratorium Akustik Dan Fisika Bangunan MONITORING PERFORMANSI MESIN BERPUTAR MELALUI PENERAPAN BLIND SOURCE SEPARATION (BSS) DI PT. GRESIK POWER INDONESIA (THE LINDE GROUP) Oleh Risqi
Lebih terperinciIDENTIFIKASI SECARA SERENTAK KERUSAKAN MESIN MENGGUNAKAN INDEPENDENT COMPONENT ANALYSIS BERDASARKAN CONVOLUTIVE MIXTURE
IDENTIFIKASI SECARA SERENTAK KERUSAKAN MESIN MENGGUNAKAN INDEPENDENT COMPONENT ANALYSIS BERDASARKAN CONVOLUTIVE MIXTURE SEPTIAN FIRMANDA 2406100065 DOSEN PEMBIMBING Dr.Dhany Arifianto,ST., M.Eng JURUSAN
Lebih terperinciPEMISAHAN BANYAK SUMBER SUARA MESIN DARI MIKROFON BERBASIS TIME-FREQUENCY BLIND SOURCE SEPARATION
PEMISAHAN BANYAK SUMBER SUARA MESIN DARI MIKROFON BERBASIS TIME-FREQUENCY BLIND SOURCE SEPARATION Sherly Sabaraya, Dhany Arifianto Jurusan Teknik Fisika-Fakultas Teknologi Industri Institut Teknologi Sepuluh
Lebih terperinciJURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: D-33
JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: 23019271 D33 Penentuan Posisi Sumber Bising Pada Area Turbine Geared Compressor Set Di PT. Gresik Power Indonesia (The Linde Group) Dengan Beamforming Hade
Lebih terperinciAnalisis Getaran Struktur Mekanik pada Mesin Berputar untuk Memprediksi Kerusakan Akibat Kondisi Unbalance Sistem Poros Rotor
Seminar Nasional Maritim, Sains, dan Teknologi Terapan 2016 Vol. 01 Politeknik Perkapalan Negeri Surabaya, 21 November 2016 ISSN: 2548-1509 Analisis Getaran Struktur Mekanik pada Mesin Berputar untuk Memprediksi
Lebih terperinciPEMISAHAN BANYAK SUMBER SUARA MESIN MENGGUNAKAN INDEPENDENT COMPONENT ANALYSIS (ICA) UNTUK DETEKSI KERUSAKAN
PEMISAHAN BANYAK SUMBER SUARA MESIN MENGGUNAKAN INDEPENDENT COMPONENT ANALYSIS (ICA) UNTUK DETEKSI KERUSAKAN B.T. Atmaja, A.S. Aisyah, dan D. Arifianto Jurusan Teknik Fisika, Fakultas Teknologi Industri,
Lebih terperinciPengukuran Getaran Dengan Vibrometer Dan Akustik Pada Mesin Pendorong Pokok (MPK) KRI Pulau Rupat-712 Di Komando Armada RI Kawasan Timur Surabaya
JURNAL TEKNIK POMITS Vol., No., () -6 Pengukuran Getaran Dengan Vibrometer Dan Akustik Pada Mesin Pendorong Pokok (MPK) KRI Pulau Rupat-7 Di Komando Armada RI Kawasan Timur Surabaya Elok Yudishtyra Arista,
Lebih terperinciBAB II LANDASAN TEORI. dapat diterima,diperkuat, serta direkam (Amrullah, 2012). Suara-suara ini
BAB II LANDASAN TEORI 2.1 Phonocardiogram Phonocardiogram adalah teknik dalam penelusuran suara jantung dan pencatatan getaran akustik jantung melalui suatu transduser mikrofon yang akan direkam dan ditampilkan
Lebih terperinciEVALUASI SUBYEKTIF EMISI AKUSTIK MESIN BERPUTAR OLEH OPERATOR MESIN KRI PULAU RUPAT-712 DI KOMANDO ARMADA RI KAWASAN TIMUR SURABAYA
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1 EVALUASI SUBYEKTIF EMISI AKUSTIK MESIN BERPUTAR OLEH OPERATOR MESIN KRI PULAU RUPAT-712 DI KOMANDO ARMADA RI KAWASAN TIMUR SURABAYA Dhenok Ayu Setianingsih,
Lebih terperinciDAFTAR PUSTAKA Natural Gradient Works Efficiently in Learning. Penggunaan Frekuensi Sesaat Untuk Deteksi Pola Suara Kerusakan Motor Listrik
DAFTAR PUSTAKA [1] Amari, S. 1997. Natural Gradient Works Efficiently in Learning. Saitama: RIKEN, Japan. [2] Anda, A R. 2006. Penggunaan Frekuensi Sesaat Untuk Deteksi Pola Suara Kerusakan Motor Listrik.
Lebih terperinciBRAMARA D Dosen Pembimbing I : NIP Dosen Pembimbing II : Andi Rahmadiansah, ST, MT. NIP
BRAMARA D. 2407.100.009 Dosen Pembimbing I : Dr. Dhany Arifianto, ST, M.Eng. NIP. 19731007 199802 1 001 Dosen Pembimbing II : Andi Rahmadiansah, ST, MT. NIP. 19790517 200312 1 002 Judul Tugas Akhir : PEMISAHAN
Lebih terperinciEVALUASI UNJUK KERJA MICROPHONE ARRAY MENGGUNAKAN METODE TIME-FREQUENCY INDEPENDENT COMPONENT ANALYSIS
TUGAS AKHIR-TF 091381 EVALUASI UNJUK KERJA MICROPHONE ARRAY MENGGUNAKAN METODE TIME-FREQUENCY INDEPENDENT COMPONENT ANALYSIS RIZKA WAHYU NOVITASARI NRP 2412 105 025 Dosen Pembimbing Dr.Dhany Arifianto,
Lebih terperinciPERANCANGAN SISTEM MONITORING KERUSAKAN MESIN DENGAN PEMISAHAN BANYAK SUMBER SUARA MENGGUNAKAN INDEPENDENT COMPONENT ANALYSIS (ICA)
PERANCANGAN SISTEM MONITORING KERUSAKAN MESIN DENGAN PEMISAHAN BANYAK SUMBER SUARA MENGGUNAKAN INDEPENDENT COMPONENT ANALYSIS (ICA) Design of Machines Fault Monitoring With Sound Separation Using Independent
Lebih terperinciIDENTIFIKASI KERUSAKAN MESIN BERPUTAR BERDASARKAN SINYAL SUARA DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM
IDENTIFIKASI KERUSAKAN MESIN BERPUTAR BERDASARKAN SINYAL SUARA DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM Seminar Tugas Akhir O L E H : M I F T A H U D D I N P E M B I M B I N G : I R. Y E R R
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Suara paru terjadi karena adanya turbulensi udara saat udara memasuki saluran pernapasan selama proses pernapasan. Turbulensi ini terjadi karena udara mengalir dari
Lebih terperinciKombinasi Metode Independent Component Analysis (ICA) dan Beamforming untuk Pemisahan Sinyal Akustik Bawah Air
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1 Kombinasi Metode Independent Component Analysis (ICA) dan Beamforming untuk Pemisahan Sinyal Akustik Bawah Air Mandala Anugerahwan Firstanto, Wirawan, Endang
Lebih terperinciKombinasi Metode Independent ComponentAnalysis(ICA) dan Beamforming untuk Pemisahan Sinyal Akustik Bawah Air
JURNAL TEKNIK POMITS Vol. 2, No. 2, (2013) ISSN: 2337-3539 (2301-9271 Print) A-300 Kombinasi Metode Independent ComponentAnalysis(ICA) dan Beamforming untuk Pemisahan Sinyal Akustik Bawah Air Mandala Anugerahwan
Lebih terperinciPenerapan Teknik Blind Source Separation untuk Memisahkan Noise dari Sinyal Akustik yang Non Gaussian
JURNAL TEKNIK POMITS Vol. 2, No. 2, (213) ISSN: 2337-3539 (231-9271 Print) A-288 Penerapan Teknik Blind Source Separation untuk Memisahkan Noise dari Sinyal Akustik yang Non Gaussian Farkhan Rosi, Wirawan,
Lebih terperinciEVALUASI SUBYEKTIF EMISI AKUSTIK MESIN BERPUTAR OLEH OPERATOR MESIN KRI PULAU RUPAT-712 DI KOMANDO ARMADA RI KAWASAN TIMUR SURABAYA
EVALUASI SUBYEKTIF EMISI AKUSTIK MESIN BERPUTAR OLEH OPERATOR MESIN KRI PULAU RUPAT-712 DI KOMANDO ARMADA RI KAWASAN TIMUR SURABAYA Dhenok Ayu Setianingsih NRP. 2410105025 Pembimbing : Dr. Dhany Arifianto
Lebih terperinciPenerapan Teknik Blind Source Separation untuk Memisahkan Noise dari Sinyal Akustik yang Non Gaussian
PRESENTASI TUGAS AKHIR Penerapan Teknik Blind Source Separation untuk Memisahkan Noise dari Sinyal Akustik yang Non Gaussian Farkhan Rosi 228175 Dosen Pembimbing Dr. Ir Wirawan, DEA. Ir. Endang Widjiati,
Lebih terperinciPeningkatan Kualitas Sinyal Suara (Speech Intelligibility) Berbahasa Indonesia pada Cochlear Implant
1 Peningkatan Kualitas Sinyal Suara (Speech Intelligibility) Berbahasa Indonesia pada Cochlear Implant Nuryani, Dhany Arifianto Jurusan Teknik Fisika, Fakultas Teknologi Industri, Institut Teknologi Sepuluh
Lebih terperinciPENENTUAN LOKASI SUMBER
PENENTUAN LOKASI SUMBER DENGAN MENGGUNAKAN HYDROPHONE TUNGGAL Annisa Firasanti 2207100159 Dosen Pembimbing: Dr. Ir. Wirawan, DEA Ir. Endang Widjiati, M.Eng.Sc LATAR BELAKANG Potensi perairan Indonesia
Lebih terperinciPEMISAHAN SINYAL AUDIO TERCAMPUR DARI LIVE MUSIC RECORDING
1 PEMISAHAN SINYAL AUDIO TERCAMPUR DARI LIVE MUSIC RECORDING MULTI-SUMBER MULTI-KANAL DENGAN METODE SMOOTH ITAKURA-SAITO NMF (NONNEGATIVE MATRIX FACTORIZATION) 1 Bramara Danaba, 2 Dhany Arifianto, 3 Andi
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Musik saat ini tengah menjadi trend setter yang banyak digemari masyarakat. Terbukti dari menjamurnya program-program mengenai musik di media massa dan besarnya antusiasme
Lebih terperinciKata kunci : Perawatan prediktif, monitoring kondisi, sinyal getaran, sinyal suara, bantalan gelinding
Kaji Banding Prediksi Kerusakan Pada Bantalan Gelinding Melalui Sinyal Getaran Dan Sinyal Suara Meifal Rusli 1, a *, Agus Arisman 1,b, Lovely Son 1,c dan Mulyadi Bur 1,d 1 Jurusan Teknik Mesin, Fakultas
Lebih terperinciDETEKSI KERUSAKAN BEARING PADA CONDENSATE PUMP DENGAN ANALISIS SINYAL VIBRASI
DETEKSI KERUSAKAN BEARING PADA CONDENSATE PUMP DENGAN ANALISIS SINYAL VIBRASI Ganong Zainal Abidin, I Wayan Sujana Program Studi Teknik Mesin, Institut Teknologi Nasional Malang Email : ganongzainal@outlook.com
Lebih terperinciPEMISAHAN SINYAL AKUSTIK BAWAH AIR MENGGUNAKAN METODE BLIND SEPARATION OF SOURCE (BSS)
TUGAS AKHIR TE 091399 PEMISAHAN SINYAL AKUSTIK BAWAH AIR MENGGUNAKAN METODE BLIND SEPARATION OF SOURCE (BSS) WAHYU INDRA PURNAMA SARI NRP 2207100064 Dosen Pembimbing Dr. Ir. Wirawan, DEA Ir. Endang Widjiati
Lebih terperinciBAB III METODE PENELITIAN DAN PERANCANGAN SISTEM. Metode penelitian yang digunakan pada penelitian ini adalah denoising
BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Metode penelitian yang digunakan pada penelitian ini adalah denoising menggunakan Blind Source Separation dengan metode ICA. Data
Lebih terperinciPEMISAHAN SINYAL SUARA MENGGUNAKAN METODE BLIND SOURCE SEPARATION ABSTRAK
PEMISAHAN SINYAL SUARA MENGGUNAKAN METODE BLIND SOURCE SEPARATION Berkat Willmart Telaumbanua / 0322055 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia
Lebih terperinciVibration Monitoring. Diganosa Kerusakan. Produktifitas menurun
LOGO PREDIKSI SISA UMUR PADA ROTATING MACHINERY DENGAN METODE ANFIS (ADAPTIVE NEURO-FUZZY INFERENCE SYSTEMS) Mohammad Taufan 2106100147 Dosen Pembimbing : Dr. M. Nur Yuniarto 1 Vibration Monitoring Diganosa
Lebih terperinciPenentuan Arah Sumber Suara dengan Metode Interaural Time Difference menggunakan Mikrokontoler STM32F4
JURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: 2337-3539 (2301-9271 Print) A-771 Penentuan Arah Sumber Suara dengan Metode Interaural Time Difference menggunakan Mikrokontoler STM32F4 Mohamad Asfari dan
Lebih terperinciBAB III METODOLOGI DAN HASIL PENELITIAN
BAB III METODOLOGI DAN HASIL PENELITIAN 3.1. Metode Pengambilan Data Pengambilan data dilakukan pada mesin bubut type EMCO MAXIMAT V13 dengan menggunakan alat vibrometer (untuk mengukur getaran) Kohtect
Lebih terperinciBAB I PENDAHULUAN. Suatu Steam Power Plant dituntut punya availability tinggi dengan biaya
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Suatu Steam Power Plant dituntut punya availability tinggi dengan biaya yang optimum, konsekuensinya suatu power plant harus memiliki Program peningkatan kehandalan
Lebih terperinciPENGENALAN SUARA BURUNG MENGGUNAKAN MEL FREQUENCY CEPSTRUM COEFFICIENT DAN JARINGAN SYARAF TIRUAN PADA SISTEM PENGUSIR HAMA BURUNG
PENGENALAN SUARA BURUNG MENGGUNAKAN MEL FREQUENCY CEPSTRUM COEFFICIENT DAN JARINGAN SYARAF TIRUAN PADA SISTEM PENGUSIR HAMA BURUNG TUGAS AKHIR MUHAMMAD AGUNG NURSYEHA 2211100164 Pembimbing: Dr. Muhammad
Lebih terperinciFrekuensi Dominan Dalam Vokal Bahasa Indonesia
Frekuensi Dominan Dalam Vokal Bahasa Indonesia Tjong Wan Sen #1 # Fakultas Komputer, Universitas Presiden Jln. Ki Hajar Dewantara, Jababeka, Cikarang 1 wansen@president.ac.id Abstract Pengenalan ucapan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Metode Penelitian Dalam metode penelitian ini dijelaskan bagaimana proses pendeteksian kebohongan menggunakan metode SVM untuk sinyal EEG. Metode penelitian dapat dilihat
Lebih terperinciSistem Pencari Lokasi Sumber Manusia Menggunakan Metode ITD
Sistem Pencari Lokasi Sumber Manusia Menggunakan Metode ITD M. Afridon 1, Khairudinsyah 2 Politeknik Negeri Bengkalis Jl. Bathin Alam Sei. Alam, (0766) 7008877 e-mail: mohd_afridon@yahoo.co.id Abstrak
Lebih terperinciPERANCANGAN DAN IMPLEMENTASI SISTEM KENDALI BISING AKTIF PADA DSK TMS320C6713 MENGGUNAKAN ALGORITMA ADJOINT-LMS. Muhammad Rizki Anggia
PERANCANGAN DAN IMPLEMENTASI SISTEM KENDALI BISING AKTIF PADA DSK TMS320C6713 MENGGUNAKAN ALGORITMA ADJOINT-LMS Muhammad Rizki Anggia Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
58 BAB IV HASIL DAN PEMBAHASAN 4.1 Spesifikasi Data Pengambilan data dilakukan dengan spesifikasi yang telah ditentukan sebagai berikut: Pengujian : Sembilan kecepatan motor (1000 RPM, 1200 RPM, 1400 RPM,
Lebih terperinciSUBJECTIVE AND OBJECTIVE MEASURE ON SPEECH INTELLIGIBILITY BY RELEASE OF MASKING PHENOMENON
SUBJECTIVE AND OBJECTIVE MEASURE ON SPEECH INTELLIGIBILITY BY RELEASE OF MASKING PHENOMENON Oleh: ANINTYO ADI NUGROHO NRP. 2406 100 039 JURUSAN TEKNIK FISIKA FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI
Lebih terperinciKARAKTERISTIK GETARAN DAN TEKANAN RUANG SILINDER AKIBAT VARIASI PUTARAN KOMPRESOR PADA LIMA MODEL PROFIL DUDUKAN KATUP TEKAN SEBUAH KOMPRESOR TORAK
KARAKTERISTIK GETARAN DAN TEKANAN RUANG SILINDER AKIBAT VARIASI PUTARAN KOMPRESOR PADA LIMA MODEL PROFIL DUDUKAN KATUP TEKAN SEBUAH KOMPRESOR TORAK Muhamad Abdurrochman 2108 100 147 Pembimbing : Ir. Bambang
Lebih terperinciANALISIS VIBRASI UNTUK KLASIFIKASI KERUSAKAN MOTOR DI PT PETROKIMIA GRESIK MENGGUNAKAN FAST FOURIER TRANSFORM DAN NEURAL NETWORK
ANALISIS VIBRASI UNTUK KLASIFIKASI KERUSAKAN MOTOR DI PT PETROKIMIA GRESIK MENGGUNAKAN FAST FOURIER TRANSFORM DAN NEURAL NETWORK Nirma Priatama NRP. 2210100159 Dosen Pembimbing : Dimas Anton Asfani, ST.,
Lebih terperinciPengujian Sifat Anechoic untuk Kelayakan Pengukuran Perambatan Bunyi Bawah Air pada Akuarium
JURNAL TEKNIK POMITS Vol., No. 1, (13) ISSN: 31-971 D-7 Pengujian Sifat Anechoic untuk Kelayakan Pengukuran Perambatan Bunyi Bawah Air pada Akuarium Indan Pratiwi, Wiratno Argo Asmoro, dan Dhany Arifianto
Lebih terperinciDeteksi Kualitas Pemasangan Ubin Berbasis Ekstraksi Ciri Bunyi Dengan Klasifikasi K-Nearest Neighbor
Deteksi Kualitas Pemasangan Ubin Berbasis Ekstraksi Ciri Bunyi Dengan Klasifikasi K-Nearest Neighbor Regha Julian Pradhana 1,*, Bambang Hidayat 1, Ratri Dwi Atmaja 1 1 Fakultas Teknik Elektro, Universitas
Lebih terperinciSISTEM IDENTIFIKASI STRUKTUR DENGAN MENGGUNAKAN METODE FREQUENCY DOMAIN DECOMPOSITION-NATURAL EXCITATION TECHNIQUE
Konferensi Nasional Teknik Sipil 11 Universitas Tarumanagara, 26-27 Oktober 2017 SISTEM IDENTIFIKASI STRUKTUR DENGAN MENGGUNAKAN METODE FREQUENCY DOMAIN DECOMPOSITION-NATURAL EXCITATION TECHNIQUE Richard
Lebih terperinciKAJIAN VIBRASI UNTUK MENDETEKSI KEGAGALAN AWAL PADA MESIN ROTASI DENGAN KASUS MESIN POMPA Arvin Ekoputranto *, Otong Nurhilal, Ahmad Taufik.
Proseding Seminar Nasional Fisika dan Aplikasinya Sabtu, 21 November 2015 Bale Sawala Kampus Universitas Padjadjaran, Jatinangor KAJIAN VIBRASI UNTUK MENDETEKSI KEGAGALAN AWAL PADA MESIN ROTASI DENGAN
Lebih terperinciPengaruh Penambahan Bahan Redam pada Kebocoran Alat Ukur Daya Isolasi Bahan
JURNAL FISIKA DAN APLIKASINYA VOLUME 9, NOMOR 2 JUNI 2013 Pengaruh Penambahan Bahan Redam pada Kebocoran Alat Ukur Daya Isolasi Bahan Didiek Basuki Rahmat, Alpha Hambally Armen, dan Gontjang Prajitno Jurusan
Lebih terperinciDETEKSI KERUSAKAN RODA GIGI DENGAN ANALISIS SINYAL GETARAN
Available online at Website http://ejournal.undip.ac.id/index.php/rotasi DETEKSI KERUSAKAN RODA GIGI DENGAN ANALISIS SINYAL GETARAN *Achmad Widodo, Djoeli Satrijo, Toni Prahasto Jurusan Teknik Mesin, Fakultas
Lebih terperinciPENGARUH PENAMBAHAN JARAK TERHADAP SUMBER BUNYI BIDANG DATAR BERBENTUK LINGKARAN
PENGARUH PENAMBAHAN JARAK TERHADAP SUMBER BUNYI BIDANG DATAR BERBENTUK LINGKARAN Agus Martono 1, Nur Aji Wibowo 1,2, Adita Sutresno 1,2,* 1 Program Studi Pendidikan Fisika, Fakultas Sains dan Matematika
Lebih terperinciANALISIS PENGURANGAN DERAU PADA SINYAL LOUDSPEAKER MENGGUNAKAN FILTER ADAPTIF KALMAN
SINGUDA ENSIKOM VOL. 6 NO.3 /Maret 4 ANALISIS PENGUANGAN DEAU PADA SINYAL LOUDSPEAKE MENGGUNAKAN FILTE ADAPTIF KALMAN Fitriani Christhien Simbolon, Arman Sani Konsentrasi Teknik Telekomunikasi, Departemen
Lebih terperinciALGORITMA TDOA UNTUK PENGUKUR JARAK ROKET MENGGUNAKAN TEKNOLOGI UHF
ALGORITMA TDOA UNTUK PENGUKUR JARAK ROKET MENGGUNAKAN TEKNOLOGI UHF Haris Setyawan 1*, Wahyu Widada 2 1 Teknik Informatika Fakultas Teknik Universitas Muhammadiyah Yogyakarta Jalan Lingkar Selatan Tamantirto
Lebih terperinciTEKNIK PEMBUATAN DIGITAL AUDIO WATERMARKING DAN TEKNIK UNTUK MENDETEKSINYA
TEKNIK PEMBUATAN DIGITAL AUDIO WATERMARKING DAN TEKNIK UNTUK MENDETEKSINYA Teuku Reza Auliandra Isma Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung e-mail: reza.auliandra@gmail.com
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Seiring berjalannya waktu dan semakin meluasnya jaringan multimedia, maka proses pengiriman dan pengaksesan dari media digital (seperti citra digital, video digital,
Lebih terperinciPENGUKURAN GETARAN PADA POROS MODEL VERTICAL AXIS OCEAN CURRENT TURBINE (VAOCT) DENGAN METODE DIGITAL IMAGE PROCESSING
PRESENTASI TESIS (P3) PENGUKURAN GETARAN PADA POROS MODEL VERTICAL AXIS OCEAN CURRENT TURBINE (VAOCT) DENGAN METODE DIGITAL IMAGE PROCESSING HEROE POERNOMO 4108204006 LATAR BELAKANG Pengaruh getaran terhadap
Lebih terperinciHubungan 1/1 filter oktaf. =Frekuesi aliran rendah (s/d -3dB), Hz =Frekuesi aliran tinggi (s/d -3dB), Hz
Hubungan 1/1 filter oktaf f 1 f 2 f 1 = 2 1/2f c f 1 = 2 1/2f c f 1 = 2f c1 = frekuensi tengah penyaring =Frekuesi aliran rendah (s/d -3dB), Hz =Frekuesi aliran tinggi (s/d -3dB), Hz Analisis oktaf sepertiga,
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pada masa sekarang, Digital Signal Processing (DSP) atau pemrosesan sinyal digital sudah banyak diterapkan di berbagai bidang karena data dalam bentuk digital
Lebih terperinciAnalisis Jarak Microphone Array dengan Teknik Pemrosesan Sinyal Fast Fourier Transform Beamforming
85 Analisis Jarak Microphone Array dengan Teknik Pemrosesan Sinyal Fast Fourier Transform Beamforming Moh Fausi, Agus Naba dan Djoko Santjojo Abstract The main problem in the application of the sound source
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Diagram Alir Penelitian Metode penelitian di rancang untuk dapat memformulasikan daignosa kegagalan pada pompa sentrifugal dengan sinyal getaran. Untuk mencapai tujuan ini,
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Dalam mengoptimalkan kerja sistem pendingin jenis Mechanical Draft Crossflow Cooling Tower digunakan data dari menara pendingin yang dioperasikan oleh PT. Indonesia Power PLTP
Lebih terperinciANALISIS PENGARUH MISALIGNMENT TERHADAP VIBRASI DAN KINERJA MOTOR INDUKSI
POLITEKNOLOGI VOL. 10 NO. 3, SEPTEMBER 2011 ANALISIS PENGARUH MISALIGNMENT TERHADAP VIBRASI DAN KINERJA MOTOR INDUKSI ABSTRACT Andi Ulfiana Jurusan Teknik Mesin Politeknik Negeri Jakarta Kampus Baru -
Lebih terperinciCompressed Sensing untuk Sinyal Audio dengan Sensor Jamak
Compressed Sensing untuk Sinyal Audio dengan Sensor Jamak Muhammad Ibnu Bahrurrahim : 2207100562 Bidang Studi Telekomunikasi Multimedia Jurusan Teknik Elektro FTI, Institut Teknologi Sepuluh Nopember Kampus
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Kondisi lingkungan kerja yang nyaman, aman dan kondusif dapat meningkatkan produktivitas pekerja. Salah satu diantaranya adalah lingkungan kerja yang bebas dari kebisingan.
Lebih terperinciPenerapan Teknik Blind Source Separation untuk Memisahkan Noise dari Sinyal Akustik yang Non Gaussian
JURNAL TEKNIK POMITS Vol., No., (23) -6 Penerapan Teknik Blind Source Separation untuk Memisahkan Noise dari Sinyal Akustik yang Non Gaussian Farkhan Rosi, Wirawan, Endang Widjiati Teknik Elektro, Fakultas
Lebih terperinciPEMBUATAN ALAT UKUR DAYA ISOLASI BAHAN
PEMBUATAN ALAT UKUR DAYA ISOLASI BAHAN Ferdy Ansarullah 1), Lila Yuwana, M.Si 2) Dra. Lea Prasetio, M.Sc 3) Jurusan Fisika Fakultas Metematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember
Lebih terperinciOPTIMASI RANCANGAN FILTER BANDPASS AKTIF UNTUK SINYAL LEMAH MENGGUNAKAN ALGORITMA GENETIK Studi Kasus: Sinyal EEG
OPTIMASI RANCANGAN FILTER BANDPASS AKTIF UNTUK SINYAL LEMAH MENGGUNAKAN ALGORITMA GENETIK Studi Kasus: Sinyal EEG Oleh : Ellys Kumala P (1107100040) Dosen Pembimbing Dr. Melania Suweni Muntini, MT JURUSAN
Lebih terperinciANALISA SINYAL GETARAN POMPA SEBAGAI PREDICTIVE MAINTENANCE POMPA PADA LABORATORIUM REKAYASA AKUSTIK DAN VIBRASI TEKNIK FISIKA ITS
ANALISA SINYAL GETARAN POMPA SEBAGAI PREDICTIVE MAINTENANCE POMPA PADA LABORATORIUM REKAYASA AKUSTIK DAN VIBRASI TEKNIK FISIKA ITS Nadhifa Maulida 1, Alinda Nurul B. 1, Trikarsa Tirta Dwipa 1, Nugroho
Lebih terperinciPERBANDINGAN ANTARA MODEL NEURAL NETWORK DAN MODEL DUANE UNTUK EVALUASI KETEPATAN PREDIKSI WAKTU KERUSAKAN SUATU KOMPONEN
Feng PERBANDINGAN ANTARA MODEL NEURAL NETWORK DAN MODEL DUANE UNTUK... 211 PERBANDINGAN ANTARA MODEL NEURAL NETWORK DAN MODEL DUANE UNTUK EVALUASI KETEPATAN PREDIKSI WAKTU KERUSAKAN SUATU KOMPONEN Tan
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 3, No. 2, (2014) ( X Print) B-101
JURNAL SAINS DAN SENI POMITS Vol. 3, No. 2, (2014) 2337-3520 (2301-928X Print) B-101 Kebisingan di Dalam Kabin Masinis Lokomotif Tipe CC201 Tri Sujarwanto, Gontjang Prajitno, dan Lila Yuwana Jurusan Fisika,
Lebih terperinciDETEKSI ARAH KEDATANGAN SINYAL PADA ANTENA ARRAY KUBUS DENGAN MENGGUNAKAN ALGORITMA MUSIC
ETEKSI ARA KEATANGAN SINYAL PAA ANTENA ARRAY KUUS ENGAN MENGGUNAKAN ALGORITMA MUSIC Muhammad Syahroni Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe Jln..Aceh Medan Km.280 uketrata 24301 INONESIA
Lebih terperinciPROGRAM PASCA SARJANA JURUSAN TEKNIK ELEKTRO ELEKTRONIKA
RANCANG BANGUN SISTEM KOMUNIKASI ANTAR PEMAKAI HELM BERBASIS PENGENALAN WICARA DISUSUN OLEH : YUNUS WICAKSONO SUGIARSO NRP.2208204002 PROGRAM PASCA SARJANA JURUSAN TEKNIK ELEKTRO ELEKTRONIKA INSTITUT TEKNOLOGI
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Berkurangnya fungsi pendengaran adalah penurunan fungsi pendengaran pada salah satu ataupun kedua telinga. Hal ini disebabkan oleh infeksi, strokes, obat-obatan,
Lebih terperinciBAB III METODE PENGAMBILAN DAN PENGOLAHAN DATA SEISMOELEKTRIK. palu. Dari referensi pengukuran seismoelektrik di antaranya yang dilakukan oleh
BAB III METODE PENGAMBILAN DAN PENGOLAHAN DATA SEISMOELEKTRIK 3.1 Metode Pengambilan Data Ada beberapa konfigurasi pengukuran yang digunakan dalam pengambilan data seismoelektrik di lapangan. Konfigurasi
Lebih terperinciAPLIKASI SPECTRUM ANALYZER UNTUK MENGANALISA LOUDSPEAKER
APLIKASI SPECTRUM ANALYZER UNTUK MENGANALISA LOUDSPEAKER Leo Willyanto Santoso 1, Resmana Lim 2, Rony Sulistio 3 1, 3 Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Kristen Petra
Lebih terperinciPengukuran Transmission Loss (TL) dan Sound Transmission Class (STC) pada Suatu Sampel Uji
LABORATORIUM AKUSTIK (11154) PRAKTIKUM FISIKA LABORATORIUM 17 1 Pengukuran Transmission Loss (TL) dan Sound Transmission Class () pada Suatu Sampel Uji Mohammad Istajarul Alim, Maslahah, Diky Anggoro Departemen
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Seiring dengan perkembangan zaman dan semakin meluasnya jaringan multimedia, maka proses pengiriman dan pengaksesan citra digital juga semakin mudah. Kemudahan
Lebih terperinciIV.1 Aplikasi S-Transform sebagai Indikasi Langsung Hidrokarbon (DHI) Pada Data Sintetik Model Marmousi-2 2.
Stack Time Migration (PSTM) dengan sampling interval 4 ms. Panjang line FD-1 lebih kurang 653 trace, sedangkan line FD-2 lebih kurang 645 trace dengan masing-masing memiliki kedalaman 3000 m dan sampling
Lebih terperinciProbabilitas dan Proses Stokastik
Probabilitas dan Proses Stokastik Tim ProStok Jurusan Teknik Elektro - FTI Institut Teknologi Sepuluh Nopember Surabaya, 04 O U T L I N E. Capaian Pembelajaran. Pengantar dan Teori 3. 4. Ringkasan 5. Latihan
Lebih terperinciANALISA AKUSTIK UJI STATIS MOTOR ROKET MENGGUNAKAN ALGORITMA FFT
ANALISA AKUSTIK UJI STATIS MOTOR ROKET MENGGUNAKAN ALGORITMA FFT Sri Kliwati Lembaga Penerbangan dan Antariksa Nasional Pusat Teknologi Roket Jalan Raya LAPAN Rumpin Bogor Indonesia email: sri_kliwatii@yahoo.com
Lebih terperinciBAB III METODE PENELITIAN DAN PERANCANGAN SISTEM
BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Gambar 3.1 Diagram Blok Rancangan Penelitian. 24 25 Metode penelitian yang digunakan meliputi studi kepustakaan, pembuatan program,
Lebih terperinciBAB I PENDAHULUAN. Perkembangan teknologi sebagai pendukung kelengkapan sistem
BAB I PENDAHULUAN 1.1. Latar Belakang Perkembangan teknologi sebagai pendukung kelengkapan sistem trasportasi menjadi suatu hal tersendiri dalam penyempurnaan dan pendesainan mesin diesel agar menjadi
Lebih terperinciNASKAH PUBLIKKASI ALAT PENGUKUR GETARAN BERBASIS MIKROKONTROLLER ATMEGA 16 MENGGUNAKAN SENSOR MICROPHONE
NASKAH PUBLIKKASI ALAT PENGUKUR GETARAN BERBASIS MIKROKONTROLLER ATMEGA 16 MENGGUNAKAN SENSOR MICROPHONE KARYA ILMIAH Diajukan sebagai Salah Satu Syarat Menyelesaikan Program Studi S-1 Jurusan Teknik Elektro
Lebih terperinciIDENTIFIKASI KERUSAKAN ROLLING BEARING PADA HAMMER CLINKER COOLER BERBASIS ANALISA PEAKVUE DAN KURTOSIS
Tugas Akhir (TM 1486) IDENTIFIKASI KERUSAKAN ROLLING BEARING PADA HAMMER CLINKER COOLER BERBASIS ANALISA PEAKVUE DAN KURTOSIS LUQMAN PURWADANI 2102 100 004 Pembimbing : Ir. Suwarmin, PE PENDAHULUAN LATAR
Lebih terperinciSistem Pengemudian Otomatis pada Kendaraan Berroda dengan Model Pembelajaran On-line Menggunakan NN
Sistem Pengemudian Otomatis pada Kendaraan Berroda dengan Model Pembelajaran On-line Menggunakan Eru Puspita Politeknik Elektronika Negeri Surabaya Institut Teknologi Sepuluh Nopember Kampus ITS Keputih
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1. Pengujian Perangkat Lunak Dalam mengetahui perangkat lunak yang dibuat bisa sesuai dengan metode yang dipakai maka dilakukan pengujian terhadap masin-masing komponen perangkat.
Lebih terperinciBAB I PENDAHULUAN. pendengaran manusia normal, maka manusia dapat mendengarkan musik dengan
BAB I PENDAHULUAN A. Latar Belakang Semua manusia mempunyai indera pendengaran. Ketika indera pendengaran manusia normal, maka manusia dapat mendengarkan musik dengan baik. Mendengarkan musik sama halnya
Lebih terperinciPEMODELAN KANAL KOMUNIKASI AKUSTIK PADA PERAIRAN DANGKAL
PEMODELAN KANAL KOMUNIKASI AKUSTIK PADA PERAIRAN DANGKAL Taufani Rizal Nofriansyah NRP. 2207 100 004 Dosen Pembimbing : Dr. Ir. Wirawan, DEA Ir. Endang Widjiati, M.Eng.Sc Latar Belakang Kondisi perairan
Lebih terperinciPeramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer
Peramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer 1 Faridah Yuliani dan 2 Dr. rer pol Heri Kuswanto 1,2 Jurusan Statistika
Lebih terperinciRANCANG BANGUN PORTABLE MATERNAL ELECTROCARDIOGRAM BERBASIS BLIND SOURCE SEPARATION UNTUK MONITORING AKTIVITAS JANTUNG IBU HAMIL
RANCANG BANGUN PORTABLE MATERNAL ELECTROCARDIOGRAM BERBASIS BLIND SOURCE SEPARATION UNTUK MONITORING AKTIVITAS JANTUNG IBU HAMIL Ahmad Asrori 1), Mohammad Kamalul Wafi 2), Ikrarda Tegar Pambudi 3), Ola
Lebih terperinciTESIS ANALISIS DAN OPTIMALISASI PROTEKSI VIBRASI PADA POMPA INJEKSI SENTRIFUGAL EMPAT STAGE PADA WATERFLOOD LAPANGAN MINYAK RINGAN
TESIS ANALISIS DAN OPTIMALISASI PROTEKSI VIBRASI PADA POMPA INJEKSI SENTRIFUGAL EMPAT STAGE PADA WATERFLOOD LAPANGAN MINYAK RINGAN Oleh: Moh. Ishak NRP : 2209204806 PROGRAM MAGISTER BIDANG KEAHLIAN ELEKTRONIKA
Lebih terperinciSISTEM KEAMANAN BERBASIS SUARA
SISTEM KEAMANAN BERBASIS SUARA VOICE-BASED SECURITY SYSTEM Nana Nurhidayah 1) dan Agus Purwanto 2) Mahasiswa Prodi Fisika, FMIPA, Universitas Negeri Yogyakarta 1) dan Dosen Prodi Fisika, FMIPA, Universitas
Lebih terperinci6 ANALISIS DAN PEMBAHASAN
155 6 ANALISIS DAN PEMBAHASAN 6.1 Analisis Simulasi Perubahan Fase 6.1.1 Spektrum gerakan ikan-ikanan berukuran 20 x 25 cm Untuk memperoleh spektrum frekuensi dari gelombang ikan-ikanan berukuran 20 x
Lebih terperinciPEMODELAN ARIMA INTENSITAS HUJAN TROPIS DARI DATA PENGUKURAN RAINGAUGE DAN DISDROMETER
1 PEMODELAN ARIMA INTENSITAS HUJAN TROPIS DARI DATA PENGUKURAN RAINGAUGE DAN DISDROMETER Muhammad Zainuddin Fanani, Achmad Mauludiyanto Jurusan Teknik Elektro-FTI, Institut Teknologi Sepuluh Nopember (ITS)
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi penelitian merupakan suatu cara berpikir yang di mulai dari menentukan suatu permasalahan, pengumpulan data baik dari buku-buku panduan maupun studi lapangan, melakukan
Lebih terperinciBAB III METODE PENELITIAN. Pemotong an Suara. Convert. .mp3 to.wav Audacity. Audacity. Gambar 3.1 Blok Diagram Penelitian
BAB III METODE PENELITIAN 3.1 Model Penelitian Penelitian yang dilakukan dapat dijelaskan melalui blok diagram seperti yang terlihat pada Gambar 3.1. Suara Burung Burung Kacer Burung Kenari Pengambil an
Lebih terperinciEvaluasi Kinerja Akustik Dari Ruang Kedap Suara Pada Laboratorium Rekayasa Akustik Dan Fisika Bangunan Teknik Fisika ITS
1 Evaluasi Kinerja Akustik Dari Ruang Kedap Suara Pada Laboratorium Rekayasa Akustik Dan Fisika Bangunan Teknik Fisika ITS Ferry Setyo Kurniawan, Wiratno Argo Asmoro Jurusan Teknik Fisika- Fakultas Teknologi
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini telah dilaksanakan di Laboratorium Elektronika Dasar Jurusan
44 III. METODE PENELITIAN A. Tempat dan Waktu Penelitian Penelitian ini telah dilaksanakan di Laboratorium Elektronika Dasar Jurusan Fisika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung
Lebih terperinciAnalisis Vibrasi untuk Klasifikasi Kerusakan Motor di PT Petrokimia Gresik Menggunakan Fast Fourier Transform dan Neural Network
JURNAL TEKNIK POMITS Vol. 1, No. 1, (14) 1-6 1 Analisis Vibrasi untuk Klasifikasi Kerusakan Motor di PT Petrokimia Gresik Menggunakan Fast Fourier Transform dan Neural Network Nirma Priatama, Dimas Anton
Lebih terperinciMETODE PENELITIAN. Penelitian ini mulai dilaksanakan pada bulan November 2014 sampai dengan
34 III. METODE PENELITIAN A. Waktu dan Tempat Penelitian ini mulai dilaksanakan pada bulan November 2014 sampai dengan April 2015. Perancangan sistem, identifikasi kadar air pada kayu jati dan akasia daun
Lebih terperinciPENGUKURAN GETARAN DAN SUARA
PENGUKURAN GETARAN DAN SUARA ISI: PENDAHULUAN GETARAN MENGUKUR GETARAN ACCELEROMETER KALIBRASI PENGUKURAN AKUSTIK TEKANAN SUARA DAN TINGKAT TEKANAN SUARA ALAT PENGUKUR SUARA METODE KALIBRASI WHAT IS VIBRATION?
Lebih terperinciWatermarking dengan Metode Dekomposisi Nilai Singular pada Citra Digital
JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2014) 1-6 1 Watermarking dengan Metode Dekomposisi Nilai Singular pada Citra Digital Latifatul Machbubah, Drs. Soetrisno, MI.Komp Jurusan Matematika, Fakultas
Lebih terperinci