Kebocoran pipa pompa air dapat terjadi karena lama pemakaian yang akan terjadi perpecahan pipa dan akan menimbulkan kavitasi yang dapat merugikan pengguna. Penelitian ini bertujuan untuk membangun sistem deteksi kebocoran pipa pompa air dengan pendekatan pohon keputusan. Metode yang dilakukan dengan menggunakan microphone yang ditempatkan di sisi kanan dari pompa air untuk merekam suara yang ditimbukan oleh pompa. Data yang dihasilkan digunakan untuk memilih fitur-fitur sinyal suara pompa untuk membedakan antara pipa yang rusak dengan pipa yang normal, melatih sistem pengenalan pola untuk mengklasifikasikan kondisi pipa berdasarkan fitur-fitur sinyal pendekatan decision tree tipe data yang digunakan pada pendekatan yaitu data latih dan data uji. Data yang didapat diproses sesuai pendekatan yang digunakan dengan menggunakan matlab dan hasil yang didapat menunjukkan akurasi dari beberap fitur terpilih dari data latih dan uji : dati data latih fitur ke 1 sebesar 0,798194, fitur ke 2 sebesar 0,80125, fitur ke 3 sebesar 0,826667, fitur ke 4 sebesar 0,892917, fitur ke 5 sebesar 0,895833, fitur ke 6 sebesar 0,896944, fitur ke 7 sebesar 0,900431, fitur ke 8 sebesar 0,89375 dan yang terakhir fitur ke 9 sebesar 0,899167, sedangkan dari data uji fitur ke 1 sebesar 0,76375, fitur ke 2 sebesar 0,765, fitur ke 3 sebesar 0,7925, fitur ke 4 sebesar 0,87875, fitur ke 5 sebesar 0,885, fitur ke 6 sebesar 0,885, fitur ke 7 sebesar 0,89, fitur ke 8 sebesar 0,8825 dan yang terakhir fitur ke 9 sebesar 0,8775. Untuk menguji akurasi fitur data latih dan data uji menggunakan akurasi data validasi sebesar 0,7075 yang didapat dari data baru.

Water pump pipe leakage may occur due to long usage will happen split pipe and will cause cavitation that can harm the user. This research aims to develop a pipeline leak detection system water pump with the decision tree approach. The method is performed by using a microphone that is placed on the right side of the water pump to record sound ditimbukan by the pump. The resulting data were used to select features of the sound signal the pump to distinguish between the broken pipe with a pipe that is normal, trained pattern recognition system to classify the condition of the pipe based on the features of the signal approach to decision tree data types used in approaches, training data and data test. The collected data is processed in accordance the approach used by using matlab and the results obtained demonstrate the accuracy of the selected features of be some training data and test: dati training data feature of 0.798194 to 1, the features of 0.80125 to 2, 3 to the features of 0.826667, feature all four of 0.892917, 0.895833 of features to 5, 6 to the features of 0.896944, 0.900431 amounted feature to 7, 8 to the features of 0.89375 and the last features to 9 by 0.899167, while the test data to the first feature of 0.76375, features 2 amounted to 0,765, features all three of 0.7925, feature all four of 0.87875, features 0.885 to 5, features 6 to 0.885, features of 0.89 to 7, 8 to feature at 0.8825 and the last features to 9 at 0.8775. To test the accuracy of features training data and test data using data accuracy validation of 0.7075 obtained from the new data.

Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal