Detail Karya Ilmiah

  • DETEKSI KEBOCORAN PIPA POMPA AIR BERDASARKAN SINYAL SUARA DENGAN PENDEKATAN K-NN (NEARESTNEIGHBOR)
    Penulis : ZULKIFLI FRISKI ANHARY
    Dosen Pembimbing I : Dr. KUKUH WINARSO, S.Si., M.T.
    Dosen Pembimbing II :ANIS ARENDRA, S.T., M.Eng.
    Abstraksi

    Pompa merupakan alat yang digunakan masyarakat untuk memindahkan fluida dari suatu tempat ke tempat lain. Performa pompa dilihat dari hasil hisap dan keluar air yang dihasilkan, salah satu komponen penting pompa yang berfungsi memindahkan fluida tersebut yaitu impeler. Jika impeler mengalami kerusakan akan mengakibatkan penurunan performa pompa. Salah satu penyebab kerusakan impeler yaitu kavitasi Kavitasi merupakan peristiwa terbentuknya gelembung-gelembung uap pada pompa penyebabnya yaitu kebocoran pada pipa. Penelitian ini ingin mendeteksi sejak dini terjadi kebocoran pipa menggunakan klasifikasi K- Nearest Neighbor agar dapat mencegah kerusakan pada pompa air. Hasil penelitian diperoleh model klasifikasi K-NN dibangun berdasarkan top 5 fitur dengan hasil akurasi latih dan uji sebesar 0,81 dan 0,76. Kemudian diuji validasi diperoleh hasil akurasi sebesar 0,65. Kata kunci : Pompa, Kavitasi, K-NN, Akurasi latih, Akurasi Uji, akurasi validasi

    Abstraction

    The pump is a tool that allows people to move fluids from one place to another. Performance suction pump seen from the results and exit the water produced, one of the important components of the pump which serves to move the fluid that is impeller. If the impeller damaged pump will result in decreased performance. One of the causes of damage to propeller that cavitation. Cavitation is an event of the formation of vapor bubbles in the pump the cause is a leak in the pipe. This study wanted to detect early leak pipe using K-Nearest Neighbor classification in order to prevent damage to the water pump. The results obtained by the K-NN classification model is built on top 5 features of the training and test accuracy results of 0.81 and 0.76. Then tested validation of the results obtained an accuracy of 0.65. Keywords: Pump, Cavitation, K-NN, trainer Accuracy, Accuracy Test, accuracy validation

Detail Jurnal