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.