<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" ID="2985">
<titleInfo>
<title>penerapan metode neural network untuk mengklasifikasi kerusakan batang rotor pada motor induksi melalui data spektrum arus</title>
</titleInfo>
<name type="Personal Name" authority="">
<namePart>Iradiratu Diah P.K., S.T., M.T.</namePart>
<role><roleTerm type="text">Contributor</roleTerm></role>
</name>
<name type="Personal Name" authority="">
<namePart>Osni Boimau</namePart>
<role><roleTerm type="text">Primary Author</roleTerm></role>
</name>
<typeOfResource manuscript="yes" collection="yes">mixed material</typeOfResource>
<genre authority="marcgt">bibliography</genre>
<originInfo>
<place><placeTerm type="text">Surabaya</placeTerm></place>
<publisher>Fakultas Teknik dan Ilmu Kelautan, Universitas Hang Tuah</publisher>
<dateIssued>2020</dateIssued>
<issuance>monographic</issuance>
<edition></edition>
</originInfo>
<language>
<languageTerm type="code">id</languageTerm>
<languageTerm type="text">Indonesia</languageTerm>
</language>
<physicalDescription>
<form authority="gmd">Text</form>
<extent>xii, 79 p. : ill. ; 29 cm.</extent>
</physicalDescription>
<note>Kerusakan batang rotor merupakan salah satu jenis kerusakan pada motor induksi yang dapat menyebabkan masalah serius. Kerusakan tersebut dapat mencapai 5% - 10% dari seluruh kasus gangguan motor induksi. Oleh karena itu perlu adanya prediksi awal untuk mengetahui adanya gangguan pada motor induksi, agar dapat dilakukan perbaikan lebih cepat dan tanggap sebelum terjadi kerusakan yang lebih parah. Pada penelitian ini membahas tentang klasifikasi kerusakan batang rotor motor induksi dengan menggunakan analisa arus stator. Data spectrum arus diambil mengunakan metode fast fourier transform sebagai analisa untuk mendeteksi kerusakan melalui frekuensi sehingga mampu mendeteksi motor dalam keadaan sehat atau mengalami kerusakan. Eksperimen penelitian dilakukan menggunakan metode Neural Network sebagai alat bantu untuk mendeteksi sinyal kesalahan dari mesin listrik karena mampu mengenali pola setiap kerusakan pada batang rotor motor induksi. Pengujian sistem dilakukan untuk mementukan letak kerusakan dalam beberapa kondisi, yaitu kondisi rotor diambil dari hasil pendeteksian Fast Fourier Transform, kondisi beban diambil dari presentase pembebanan yakni 0%, 25%, 50%, 75%, 100% dan tingkat kerusakan motor diambil mulai dari kondisi batang rotor normal sampai rotor mengalami kerusakan 3BRB7mm. Hasil pengujian ini membuktikan bahwa metode Neural Network mampu mengklasifikasi setiap kondisi kerusakan batang rotor motor induksi dengan membuktikan dari hasil Mean Squared Error MSE yang dihasilkan memiliki nilai rata-rata pada semua kondisi kerusakan sebesar 2.09E-09. Dengan rata-rata efisiensi pengujian dibawah 5%.</note>
<subject authority=""><topic>Fast Fourier Transform (FFT)</topic></subject>
<subject authority=""><topic>Analisis arus stator</topic></subject>
<subject authority=""><topic>Motor induksi</topic></subject>
<subject authority=""><topic>Neural Network (NN)</topic></subject>
<subject authority=""><topic>Kerusakan</topic></subject>
<classification>NONE</classification><identifier type="isbn"></identifier><location>
<physicalLocation>Perpustakaan Fakultas Teknik dan Ilmu Kelautan Lantai 2 - Gedung Fakultas Teknik dan Ilmu Kelautan, Jalan Arief Rachman Hakim No. 150, Sukolilo, Surabaya</physicalLocation>
<shelfLocator>623.20.15 Osn p</shelfLocator>
<holdingSimple>
<copyInformation>
<numerationAndChronology type="1">S0200462020</numerationAndChronology>
<sublocation>Perpustakaan Fakultas Teknik dan Ilmu Kelautan-UHT</sublocation>
<shelfLocator>623.20.15 Osn p</shelfLocator>
</copyInformation>
</holdingSimple>
</location>
<recordInfo>
<recordIdentifier>2985</recordIdentifier>
<recordCreationDate encoding="w3cdtf">2020-03-03 09:23:39</recordCreationDate>
<recordChangeDate encoding="w3cdtf">2020-03-03 09:24:09</recordChangeDate>
<recordOrigin>machine generated</recordOrigin>
</recordInfo></mods></modsCollection>