Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Prosiding Seminar Nasional Sains Dan Teknologi Fakultas Teknik
Sari Putri Wardiningsih
Unknown Affiliation
Computer Science & IT Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
PENERAPAN ARTIFICIAL NEURAL NETWORK UNTUK MENGETAHUI KONDISI BEARING MOTOR MELALUI ANALISA POLA ARUS STATOR Sari Putri Wardiningsih; Iradiratu Iradiratu; Belly Yan Dewantara; Daeng Rahmatullah
Prosiding SNST Fakultas Teknik Vol 1, No 1 (2019): PROSIDING SEMINAR NASIONAL SAINS DAN TEKNOLOGI 10 2019
Publisher : Prosiding SNST Fakultas Teknik

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (357.085 KB)

Abstract

Motor induksi adalah peralatan elektronik yang digunakan dalam berbagai aplikasi industri untuk mengubah energi listrik menjadi energi mekanik. Motor induksi merupakan peralatan yang memiliki peranan sangat penting di industry karena begitu banyak operasi di industri yang menggunakan motor induksi sebagai penggerak utamanya. Alasan utamanya karena motor induksi memiliki kehandalan yang tinggi dan biaya yang relatif lebih rendah. Meskipun cukup handal tetapi dapat saja mengalami kerusakan total pada saat beroperasi. Kerusakan total pada motor induksi pada saat mendukung proses produksi dapat menyebabkan rendahnya mutu barang yang dihasilkan sampai berhentinya proses produksi itu sendiri. Untuk menghindari kerusakan total pada motor induksi, pada penelitian ini digunakan metode artificial neural network dengan algoritma backpropagation untuk memprediksi letak kerusakan yang akan terjadi pada motor induksi 3 fasa. Agar dapat digunakan untuk memprediksi kerusakan motor induksi pada stator dengan artificial neural network harus memiliki struktur jaringan yang optimal. Diharapkan pada penelitian ini dititik beratkan pada pencarian struktur artificial neural network yang optimal berdasarkan pola data pelatihan seperti mencari jumlah time delay, hidden layer, node hidden layer, nilai konstanta learning rate dan momentum. Diharapkan dengan pengujian ini dapat memprediksi kondisi kerusakan outer bearing pada motor induksi 3.Kata kunci : artificial neural network, kerusakan  outer ,motor induksi. 
Co-Authors Belly Yan Dewantara Iradiratu Diah Prahmana Karyatanti Rahmatullah, Daeng