Deteksi Kebocoran Pipa Pompa Air Berdasarkan Sinyal Suara dengan Metode Klasifikasi Berbasis Artificial Neural Network Dalam mengetahui kebocoran berdasarkan gejala yang ditimbulkan diperlukan pendeteksian masalah kavitasi atau terbentuknya gelembung udara. Pada daya hisap berpengaruh terhadap perpindahan elefasi dari ketinggian yang berakibat tidak keluarnya air. Pada penelitian ini ingin melakukan identifikasi kebocoran pipa pompa air dengan pemilihan dan pengelompokan fitur serta pengklasifikasian menggunakan Artificial Neural Network. Menguji kinerja yang didapat pada sistem pendeteksian kebocoran pipa pada pompa air berdasarkan sinyal suara yang dihasilkan dengan treatment yang berbeda yaitu 8 treatment 4 bocor dan 4 tidak bocor dengan cara memberi lubang pada pipa hisap. Pengaturan tekanan dibagi menjadi dua tekanan hisap dan tekanan keluar pada Preasure gauge dengan cara membuka dan menutup kran air. Hasil perekaman yang digunakan untuk proses pengklasifikasian dan sebagai input pada Artificial Neural Network. Dari hasil penelitian diperoleh 9 fitur terpilih berdasarkan koefisien korelasi kuat, 9 fitur digunakan sebagai input ANN. Pada proses ANN dilakukan pemberian bobot tiap iterasi sehinga didapat pada iterasi ke 7 dari 10 iterasi yang dilakukan nilai akurasi terpilih berdasarkan selisih dari akurasi latih dan akurasi uji serta melihat nilai pada proses ANN. Didapat pada iterasi ke 7 dengan nilai MSE 0,167 jumlah pelatihan 69 waktu pelatihan 0:00:02 dan MSE terbaik 0,18952 dengan jumlah pelatihan 63. Setelah proses pelatihan dengan data awal dilakukan proses validasi dengan data baru dengan bobot awal yang digunakan pada proses data awal. Didapat pada iterasi ke7 dengan nilai akurasi latih 0,94969 akurasi uji 0,95 selisih sebesar 0,00031 dan Hasil pengujian kinerja deteksi kebocoran pompa air pada iterasi ke 7 menggunakan bobot pada data awal didapat akurasi validasi dengan data baru 0,8375 atau 84% termasuk dalam kategori Good classification. Kata kunci : kebocoran pipa, sinyal suara, Artificial Neural Network, akurasi.

Pipeline Leak Detection Pump Based Voice Signal Classification Method Based on Artificial Neural Network In knowing the symptoms caused by the leak detection is required cavitation problems or the formation of air bubbles. On the suction effect on elefasi displacement resulting from a height not discharge water. In this study wanted to identify a pipeline leak water pump with selection and grouping features and classification using Artificial Neural Network. Test the performance obtained on pipeline leak detection system on the water pumps based on the sound signal generated by the different treatment that is 8 treatment 4 leak and 4 does not leak by giving the hole on the suction pipe. Pressure regulation is split into two suction pressure and discharge pressure on Preasure gauge by opening and closing the water tap. Results recording used for the classification process and as input on Artificial Neural Network. The results were obtained 9 features are selected based on a strong correlation coefficient, 9 features used as input ANN. In the process of assigning weights ANN done per iteration, thus obtained at iteration 7 of 10 iterations performed accuracy value chosen based on the difference of the accuracy of training and test accuracy as well as see the value in the process of ANN. Obtained on iteration to 7 with 0.167 MSE value amount of training 69 training time 0:00:02 and best MSE 0.18952 with the amount of training 63. After the training process with initial data validation process is carried out with the new data with the initial weight used in data processing early. Obtained on the 7th iteration with accuracy values training test accuracy 0.95 0.94969 0.00031 and the difference of leak detection performance testing results for the water pump on iteration to 7 using weights to the preliminary data obtained with the new data validation accuracy of 0.8375 or 84% included in the Good category classification. Keywords : plumbing leaks , sound signals , Artificial Neural Network, accuracy.

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