Analisis Getaran Untuk Identifikasi Ketidaknormalan Rel Kereta Api Dengan Menggunakan Machine Learning
Rienetta Ichmawati Delia Sandhy, Irfan Bahiuddin, S.T., M.Phil.,Ph.D.
2023 | Tugas Akhir | D4 TEKNOLOGI REKAYASA MESIN
Seiring
perkembangan jaman, kebutuhan akan teknologi untuk memenuhi kebutuhan
sehari-hari pun semakin meningkat. Salah satu teknologi yang digunakan dalam
dunia transportasi adalah kereta api. kerusakan pada rel akan menimbulkan
getaran-getaran yang tidak diinginkan. Oleh karena itu, alat pendeteksi getaran
rel kereta api dibutuhkan untuk mengetahui kelayakan rel yang digunakan. Salah
satu komponen penting dalam pembuatan alat pendeteksi getaran rel kereta api
adalah program yang merupakan otak dari alat pendeteksi tersebut. Data getaran
diukur menggunakan alat pengukur akselerasi yang terpasang pada smartphone
pada miniature rel dengan delapan rel berbeda yang mereprentasikan
keadaan rel kereta api yang normal dan tidak normal. Software dan library
yang digunakan antara lain google collab, numpy, pandas, matplotlib, Fast
Fourier Transform
(FFT),
dan Phyphox. Serta
metode machine learning yang digunakan adalah K-Means Clustering.
Pada analisis manual, amplitudo dan frekuensi getaran berbeda-beda tergantung
pada bentuk kerusakan rel. Amplitudo dan frekuensi terendah dimiliki oleh rel
nomor 3 dengan kondisi rel normal. Sedangkan amplitudo dan frekuensi tertinggi
dimiliki oleh rel nomor 6 dengan kondisi kerusakan rel cukup parah. Begitu pula
dengan time
domain feature extraction,
nilai terendah dimiliki nomor 3 dan tertinggi dimiliki oleh nomor 6. Pada
percobaan dengan machine learning, didapatkan hasil klasterisasi yang
optimal dengan variasi data kurang atau sama dengan tiga. Dimana hasil
klasterisasi dengan menggunakan variasi data lebih dari tiga terjadi multiclass
misclassification error. Oleh karena itu diperlukan penelitian lebih lanjut
dengan menggunakan program machine learning yang lebih advance
untuk dapat menyempurnakan penelitian ini.
One of the technology used in transportation is train.
The maintenance of railway infrastructure has the standards of maintenance of
railway infrastructure and is carried out by personnel who meet the
requirements and qualifications of expertise in the field of railway
infrastructure. The damage rail causes particular
vibrations. Therefore, a rail vibration detector is needed to determine the
feasibility of the rails. The most important components of rail vibration
detector is program. Vibration is measured using an acceleration meter attached
to a smartphone on a miniature rail with eight different rails that represent
normal and abnormal railroad conditions. Software and libraries used include
google collab, numpy, pandas, matplotlib, Fast Fourier Transform (FFT), and
Phyphox. The machine learning method used is K-Means Clustering and several manual
statistical analysis. In manual analysis, the amplitude and frequency of the
vibrations vary depending on the form of rail damage. Rail number 3 has the
lowest amplitude and frequency with normal rail conditions. Meanwhile, rail
number 6 has the highest amplitude and frequency with quite severe rail damage.
Likewise with time domain feature extraction analysis, the lowest value is
owned by number 3 and the highest is owned by number 6. In experiments with
machine learning, optimal clustering results were obtained with data variations
less than three data variations. Where
the results of clustering using more than three data variations occur
multiclass misclassification errors. Therefore, further research is needed
using more advanced machine learning programs to complete this research.
Kata Kunci : Rail, Vibration, Railway, Track, Machine Learning, Unsupervised, K-Means, Clustering, Kereta, Rel, Getaran
