Sistem pendistribusian air menggunakan berbagai komponen yang digunakan, kasus kebocoran air diberbagai daerah di Indonesia tercatat sebanyak 31% dari total 127.000 liter/detik jumlah produksi air nasional. salah satu penyebab dari rusaknya pompa air adalah terjadinya cavitasi, cavitasi terjadi apabila ada gelembung udara yang masuk kedalam mesin pompa, penyebab dari masuknya gelembung udara salah satunya yaitu bocornya pipa. Penelitian ini dilakukan untuk mengetahui sistem pendeteksi kebocoran pipa pada pompa air serta tingkat akurasi dari model klasifikasi yang dibangun. Sistem pendeteksi kebocoran pipa pada pompa yaitu merekam sinyal suara yang terdapat pada mesin pompa, kemudian sinyal suara tersebut dilakukan normalisasi sinyal, ekstraksi fitur dan pemilihan fitur, fitur yang terpilih dilakukan pelatihan model klasifikasi serta pengujian menggunakan data latih dan data uji serta melakukan validasi dari model klasifikasi yang dihasilkan dengan data validasi. Hasil akurasi validasi dari model klasifikasi support vector machine terhadap 4 fitur terbaik sebesar 66,25%. Kata kunci : Mesin pompa, cafitasi, pipa, akurasi, klasifikasi, support vector machine.

Water distribution system using a variety of components used, cases of water leakage in various regions in Indonesia was recorded as many as 31% of the total 127,000 liters / second of water production amount nationwide. one of the causes of damage to the water pump is the cavitasi, cavitasi occur when there are air bubbles into the pumping machine, the cause of the entry of air bubbles one of which is the leaking pipe. This study was conducted to determine the pipeline leak detection system on the water pumps as well as the accuracy of classification models built. Detection system pipeline leak at the pump is to record the voice signal contained in the pumping machine, and then the sound signal of the normalization signal, feature extraction and selection feature, which was selected to do the training model of classification and testing using training data and test data and perform the validation of models classification generated by the data validation.The results validate the accuracy of classification models support vector machine against four of the best features of 66.25%. Keywords: Machine pumps, cafitasi, pipes, accuracy, classification, support vector machine.

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