bab 2 tinjauan pustaka 2.1. pengertian...
TRANSCRIPT
-
8
BAB 2
TINJAUAN PUSTAKA
2.1. Pengertian Prediksi
Prediksi adalah suatu proses memperkirakan secara sistematis tentang sesuatu
yang paling mungkin terjadi di masa depan berdasarkan informasi masa lalu dan
sekarang yang dimiliki, agar kesalahannya (selisih antara sesuatu yang terjadi dengan
hasil perkiraan) dapat diperkecil. Prediksi tidak harus memberikan jawaban secara
pasti kejadian yang akan terjadi, melainkan berusaha untuk mencari jawaban sedekat
mungkin yang akan terjadi [14].
2.1.1. Teknik Prediksi
Berdasarkan teknik yang digunakan untuk memprediksi maka prediksi dapat
dibagi menjadi dua bagian yaitu prediksi kualitatif dan prediksi kuantitatif [14].
2.1.1.1. Prediksi Kualitatif
Prediksi kualitatif didasarkan atas data kualitatif pada masa lalu. Metoda
kualitatif digunakan jika data masa lalu dari variabel yang akan diprediksi tidak ada,
tidak cukup atau kurang dipercaya. Hasil prediksi yang dibuat sangat tergantung pada
individu yang menyusunnya. Hal ini penting karena hasil prediksi tersebut ditentukan
berdasarkan pemikiran yang bersifat judgement atau opini, pengetahuan dan
pengalaman dari penyusunnya. Oleh karena itu metode kualitatif ini disebut juga
judgemental, sudjective, intuitive.
Universitas Sumatera Utara
-
9
2.1.1.2. Prediksi Kuantitatif
Prediksi kuantitatif didasarkan atas data kuantitatif pada masa lalu. Hasil
prediksi yang dibuat sangat tergantung pada metode yang dipergunakan dalam
prediksi tersebut. Dengan metoda yang berbeda akan diperoleh hasil prediksi yang
berbeda. Hal yang perlu diperhatikan dari penggunaan metoda tersebut adalah baik
tidaknya metoda yang digunakan dan sangat ditentukan dari penyimpangan antara
hasil prediksi dengan kenyataan yang terjadi. Metoda yang baik adalah metoda yang
memberikan nilai-nilai perbedaan atau penyimpangan yang mungkin. Prediksi
kuantitatif hanya dapat digunakan apabila terdapat tiga kondisi sebagai berikut:
a. Adanya informasi tentang keadaan yang lain.
b. Informasi tersebut dapat dikuantifikasikan dalam bentuk data.
c. Dapat diasumsikan bahwa pola yang lalu akan berkelanjutan pada masa yang
akan datang.
2.2. Prediksi Kerusakan Motor Induksi
Prediksi kerusakan motor induksi adalah suatu proses memperkirakan secara
sistematis keadaan baik, sedang, buruk yang akan terjadi pada motor induksi pada
waktu yang akan datang berdasarkan data yang diperoleh pada saat itu dengan
pertimbangan data masa lalu. Waktu yang dimaksud di sini dapat direpresentasikan
sebagai (jam, hari, minggu, bulan, tahun). Tetapi pada penelitian ini jangka waktu
prediksi yang digunakan adalah hari karena untuk meningkatkan akurasi prediksi.
Sedangkan prediksi kerusakan motor induksi dapat dipersempit dengan memilih salah
Universitas Sumatera Utara
-
10
satu jenis kerusakan yang sering terjadi pada motor induksi seperti kerusakan pada
bearing, stator atau rotor.
2.3. Motor Induksi
Motor induksi adalah alat listrik yang mengubah energi listrik menjadi energi
mekanik yang berupa tenaga putar [1]. Dikatakan motor induksi karena rotor berputar
bukan karena mendapat energi listrik secara langsung dari jala-jala listrik tetapi
karena adanya induksi dari kumparan stator. Berdasarkan jumlah fasa tegangan listrik
yang pada umumnya digunakan, motor induksi dibedakan menjadi 2 (dua) yaitu
motor induksi satu fasa dan tiga fasa.
Motor induksi satu fasa banyak digunakan pada rumah tangga dan industri
sebagai penggerak karena konstruksinya yang sederhana, bekerja sesuai dengan
suplai tegangan PLN 220 VAC dan bekerja dengan daya yang kecil < 1400 watt
karena faktor-faktor tersebut maka motor induksi satu fasa ini banyak dipakai pada
peralatan rumah tangga seperti kipas angin, kompresor, pompa air, lemari es, mesin
cuci, air condition (AC) dan lain-lain. Sedangkan motor induksi tiga fasa pada
umumnya digunakan di industri yang memerlukan daya yang besar seperti elevator,
chiller, mixer, blower, hammer, conveyor, crane. Karena begitu banyaknya jenis
motor induksi yang ada di pasaran seperti yang terdapat pada Gambar 2.1 dan hal ini
tidak didukung dengan ketersediaan sarana dan prasarana yang dimiliki oleh peneliti
maka pada penelitian ini motor induksi yang digunakan jenis satu fasa split
permanen kapasitor.
Universitas Sumatera Utara
-
11
Gambar 2. 1 Tipe Motor Induksi [15]
ACMOTOR
UNIVERSAL
DCMOTOR
Separately excitation
Compound excitation
Permanent magnet
Series excitation
Paralel/shunt excitation
Synchronous
Asynchronous
Squirrel cage
Single phase
Three phase
Linear
Synchronous
Asynchronous
Wound rotor
Bulk rotor
Split-phase
Hysterisis
Repulsion
Permanent magnet
Induction
Permanent magnet
Reluctance
Start capasitor
Shaded pole
Split Permanent capasitor
Two value capasitor
Sallent Poles
Wound field
Wound rotor
Squirrel cage
Reluctance
Radian Permanent
magnet
Surface magnet
Universitas Sumatera Utara
-
12
2.3.1. Konstruksi Umum Motor Induksi Satu Fasa
Konstruksi motor induksi satu fasa pada umumnya terdiri dari dua bagian
yaitu: stator dan rotor seperti pada Gambar 2.4. Rotor adalah bagian motor induksi
yang berputar seperti rotor (inti rotor), poros rotor, sirip pendingin seperti pada
Gambar 2.2. Poros rotor adalah coran tembaga atau aluminium dalam satu lempeng
dengan inti rotor. Pada ujung inti rotor biasanya dilengkapi dengan sirip yang
berfungsi sebagai pendingin [16].
Gambar 2. 2 Bagian-Bagian Rotor [16]
Sedangkan stator adalah bagian motor induksi yang tidak bergerak seperti inti
stator seperti pada Gambar 2.3. Stator terdiri atas tumpukan laminasi inti yang
memiliki alur dan menjadi tempat kumparan kawat tembaga yang telah dilapisi
isolasi tipis dililitkan yang berbentuk silinder. Setiap elemen laminasi inti dibentuk
dari lembaran besi dan setiap lembaran besi memiliki beberapa alur dan lubang
Laminasi rotor (inti rotor)
Sirip pendingin
Cincin Aluminium
Poros rotor
Universitas Sumatera Utara
-
p
d
pengikat un
diisolasi den
Gamb
Inti (lamin
ntuk menyat
ngan kertas u
bar 2. 3 Isol
Gambar
stator nasi inti)
tukan inti. A
untuk mengh
lasi Kertas Y
2. 4 Konstr
Alur pada
hindari hubu
Yang Ditemp
ruksi Motor
laminasi int
ungan singka
patkan Pada
Induksi Satu
ti tersebut n
at [16].
Alur Lamin
u Fasa [17]
nantinya ak
asi [16]
13
kan
Universitas Sumatera Utara
-
14
2.3.2. Prinsip Kerja Motor Induksi Satu Fasa
Adapun prinsip kerja dari motor induksi satu fasa split permanen kapasitor
adalah sebagai berikut [1]: Pada motor induksi satu fasa ketika kumparan stator dialiri
arus dari jala-jala listrik maka pada kumparan stator tidak menimbulkan fluks magnit
putar tetapi menghasilkan fluks magnit bolak-balik disekitar kumparan stator tersebut
hal ini yang menyebabkan motor induksi tidak dapat berputar pada waktu start. Fluks
magnit bolak-balik ini menghasilkan fluks pulsasi yang besar kecilnya tergantung
pada sudut ruang dan fluks pulsasi ini bukan fluks yang berputar terhadap ruang.
Proses terjadinya fluks pulsasi tersebut dapat dijelaskan dengan Persamaan Euler.
....(2. 1) Sehingga m cos dapat ditulis
.. (2. 2)
.(2. 3)
Di mana adalah amplitudo fluks magnit, sehingga jumlah dari kedua komponen
fluks magnit tersebut merupakan fluks resultan atau fluks pulsasi yang besarnya
adalah:
.(2. 4)
Komponen dari kedua fluks magnit tersebut bergerak berlawanan arah
dengan kecepatan sudut (t) yang sama, tentunya akan menghasilkan torsi yang sama
Universitas Sumatera Utara
-
d
r
T
d
m
D
m
d
m
dan berlawa
resultan dari
Torsi resulta
TR p
dengan arah
mundur hal
Dengan me
menyebabka
dapat dilaku
maka terjadi
anan arah (to
i fluks magn
Gambar 2. 5
an (TR) yang
pada dasarn
h maju atau m
ini yang m
enggunakan
an motor ber
ukan dengan
i beda fasa a
orsi arah maj
nit yang berg
5 Torsi Ara
g dihasilkan o
nya mempu
mundur. Pad
menyebabkan
sedikit ten
rputar arah m
cara memas
antara arus k
ju dan torsi a
gerak arah m
ah Maju Dan
oleh torsi ma
TR =
unyai kema
da waktu sta
n motor indu
naga yang d
maju atau mu
sang kapasit
kumparan uta
arah mundur
maju dan mun
n Torsi Arah
aju (Tf) dan
Tf + Tb
mpuan untu
art, besar tor
uksi tetap sa
digerakkan
undur. Penam
tor secara se
ama dan kum
r). Gambar 2
ndur.
h Mundur [17
torsi mundu
uk mengge
rsi maju sam
aja diam (ti
dengan alat
mbahan alat
ri dengan ku
mparan bantu
2.5 merupak
7]
ur (Tb) adalah
(2.
rakkan mot
ma dengan to
idak berputa
t bantu dap
bantu terseb
umparan ban
u sebesar 90
15
kan
h:
5)
tor
rsi
ar).
pat
but
ntu
00.
Universitas Sumatera Utara
-
A
k
m
y
s
2
b
k
a
Akibat beda
kumparan st
menjadi bes
yang lebih b
split.
2.3.3. Jenis Berd
bahwasanya
kategori den
12 % lain-la
a. Kerusak
Terjadin
kompon
a fasa () y
tator akan m
sar pula. Ole
besar dengan
s Kerusakan
dasarkan pe
a kerusakan y
ngan persent
ain seperti ter
Gambar 2
kan Bearing
nya keausan
nen tersebut.
yang besar in
menjadi bes
eh karena it
n arus start
Motor Induk
enelitian da
yang sering
tase kerusak
rlihat pada G
2. 6 Persent
n pada beari
. Hal ini dap
Stator38%
Rotor10%
Lala12
ni, maka flu
ar dan deng
tu motor kap
lebih kecil
ksi
an survei y
terjadi pada
an 40 % pad
Gambar 2.6.
tase Kerusak
ing merupak
pat disebabka
ain-ain2%
Motor
uks magnit p
gan sendirin
pasitor dapa
dibandingka
yang telah
motor induk
da bearing, 3
kan Motor In
kan tanda tel
an karena ad
Bearin40%
Induksi
putar yang d
nya gaya pu
at memberik
an motor fas
dilakukan
ksi dapat dib
38% stator,
nduksi [19]
lah terjadi k
danya baut p
ng%
dihasilkan ol
utar rotor ak
kan gaya put
sa tunggal ti
[11],[18],[1
bagi menjad
10% rotor d
kerusakan pa
pengikat mot
16
leh
kan
tar
ipe
19]
i 4
dan
ada
tor
Universitas Sumatera Utara
-
17
induksi yang kendor sehingga menimbulkan getaran yang berlebih, lamanya
pemakaian, kondisi lingkungan kerja (panas, berdebu), beban kerja yang
berlebih dan terjadi ketidak seimbangan jarak celah udara antara rotor dengan
stator. Untuk mengetahui kerusakan pada bearing dapat digunakan beberapa
parameter seperti getaran, suara, arus stator.
b. Kerusakan Stator
Kerusakan yang terjadi stator dapat dikarenakan rusaknya laminasi inti stator,
isolasi kawat tembaga dan isolasi stator. Hal ini dapat disebabkan oleh
temperatur motor induksi yang terlalu tinggi, tegangan listrik yang berlebih dan
tidak stabil, terjadi kerusakan pada sistem mekanik seperti bearing telah yang
aus, serta dapat dikarenakan kondisi lingkungan yang lembab, kotor atau
berdebu. Adapun beberapa parameter yang dapat digunakan untuk mengetahui
kerusakan pada stator seperti fluks magnet, kecepatan, getaran, suara, daya
keluaran, tegangan, arus, temperatur, tetapi pada penelitian ini peneliti
menggunakan arus dan temperatur.
c. Kerusakan Rotor
Bentuk kerusakan yang terjadi pada rotor seperti pecahnya bagian-bagian dari
rotor. Hal ini dapat disebabkan getaran, temperatur motor induksi yang terlalu
tinggi, tegangan listrik yang berlebih dan tidak stabil. Untuk mengetahui
kerusakan pada rotor dapat digunakan beberapa parameter seperti getaran,
suara, kecepatan.
d. Kerusakan Lain-lain
Universitas Sumatera Utara
-
18
Bentuk kerusakan lainnya yang dapat terjadi pada motor induksi seperti terjadi
ketidakseimbangan jarak celah udara antara rotor dengan stator. Hal ini lebih
disebabkan karena kesalahan manufaktur (proses pembuatan di pabrik). Untuk
mengetahui jenis kerusakan seperti ini dapat digunakan beberapa parameter
seperti getaran, suara, kecepatan, daya keluaran.
2.3.4. Penyebab Kerusakan Stator Motor Induksi
Stator merupakan bagian dari motor induksi yang tidak bergerak, meskipun
stator ini tidak bergerak tetapi dapat saja mengalami kerusakan. Sebagai bahan
perbandingan untuk membedakan antara kumparan stator yang bagus dengan yang
telah rusak, dapat dilihat dari Gambar 2.7 yang merupakan bentuk permukaan dari
kumparan stator dalam keadaan bagus dan rusak.
(a) (b)
Gambar 2. 7 Permukaan Kumparan Stator Keadaan Baik (a) Dan Rusak (b) [20]
Universitas Sumatera Utara
-
19
Kerusakan yang terjadi pada kumparan stator dapat disebabkan oleh 4 hal,
yaitu [13]:
a. Panas
Panas yang menyebabkan kerusakan pada stator dapat ditimbulkan dari lamanya
operasional MI sendiri dan panas yang melebihi batas yang diijinkan, di mana
setiap kenaikan temperatur 10 0C dari panas yang ditimbulkan karena operasional
MI dapat menyebabkan berkurangnya setengah dari kondisi isolasi stator.
Sedangkan panas yang melebihi batas yang diijinkan dapat disebabkan oleh
tegangan yang tidak stabil dan rusaknya kipas pendingin pada MI. Bentuk
permukaan dari kumparan stator yang rusak akibat panas yang berlebih seperti
yang ditunjukkan pada Gambar 2.8.
Gambar 2. 8 Permukaan Kumparan Stator Yang Rusak Akibat Panas Berlebih [20]
Universitas Sumatera Utara
-
20
b. Listrik
Hal-hal yang termasuk dalam kelistrikan yang dapat menyebabkan kerusakan
stator seperti corona dan tegangan berlebih. Bentuk permukaan kumparan stator
yang rusak akibat tegangan berlebih dapat dilihat pada Gambar 2.9.
Gambar 2. 9 Permukaan Kumparan Stator Yang Rusak Akibat Tegangan Lebih [20]
c. Mekanik
Terjadinya gesekan antara rotor dengan stator merupakan salah satu bentuk
kerusakan stator yang disebabkan karena faktor mekanik. Hal ini dapat terjadi
karena bearing yang telah aus, poros rotor yang tidak lurus dan baut pengikat inti
stator yang kendor. Gambar 2.10 menunjukkan permukaan kumparan stator yang
rusak akibat terjadi gesekan antara rotor dan stator.
Universitas Sumatera Utara
-
21
Gambar 2. 10 Permukaan Kumparan Stator Yang Rusak Akibat Mekanik [20]
d. Keadaan Lingkungan
Beberapa penyebab kerusakan pada stator karena keadaan lingkungan seperti MI
dioperasikan di tempat yang panas, lembab, berdebu dan lain-lain. Bentuk
permukaan kumparan stator yang rusak akibat motor induksi dioperasikan pada
lingkungan yang lembab ditunjukkan seperti pada Gambar 2.11.
Gambar 2. 11 Permukaan Kumparan Stator Yang Rusak Akibat Keadaan Lingkungan Yang Lembab [20]
Universitas Sumatera Utara
-
22
2.3.5. Parameter Untuk Memprediksi Kerusakan Stator Motor Induksi Ada 11 parameter yang dapat digunakan untuk memprediksi kerusakan stator
yaitu fluks magnet, tegangan, arus, temperatur, getaran, suara, kecepatan, celah udara,
daya keluaran, analisis gas, dan analisis sirkuit motor [13]. Tetapi karena keterbatasan
peralatan, waktu dan biaya maka parameter yang digunakan untuk memprediksi
kerusakan stator MI pada penelitian ini hanya 2 yaitu arus dan temperatur.
2.3.5.1. Arus
Untuk mengetahui gejala kerusakan yang akan terjadi pada kumparan stator
dapat dilakukan dengan mengamati besarnya arus listrik yang mengalir pada
kumparan stator dengan cara melakukan pengukuran. Besar kecilnya arus listrik yang
mengalir pada kumparan stator sangat dipengaruhi perubahan beban motor induksi,
panas, tegangan lebih, mekanik dan kondisi lingkungan. Untuk menghindari
kerusakan total pada stator maka sebagai acuan yang digunakan pada penelitian ini
dengan mengacu pada batas nominal arus yang mengalir pada kumparan stator MI
berdasarkan data spesifikasi yang terdapat pada name plate yang ada motor induksi
tersebut. Jika arus yang mengalir ke kumparan stator melebihi batas nonimal yang
ditetapkan, kondisi ini menunjukkan bahwasanya telah terjadi yang abnormal pada
MI. Arus yang lebih ini berdampak pada meningkatnya temperatur MI, mengurangi
nilai tahanan kumparan stator yang dapat menyebabkan putusnya kawat lilitan
kumparan stator.
Motor induksi yang digunakan pada penelitian ini jenis split permanen
kapasitor. Dilihat dari segi konstruksinya, MI jenis split permanen kapasitor sama
Universitas Sumatera Utara
-
23
dengan motor induksi 3-fasa, bedanya terletak pada kumparan statornya yang hanya
ada satu fasa dan dilakukan penambahan satu kapasitor yang terhubung seri dengan
kumparan bantu, seperti pada Gambar 2.12 [17].
Gambar 2. 12 Rangkaian listrik motor split permanen kapasitor [17]
Besar daya input dapat dihitung dengan Persamaan 2.6 [1]
P = Vt * IL * Cos .(2. 6)
P = daya input (watt)
Vt = tegangan jala-jala (volt)
IL = arus yang masuk ke kumparan utama dan bantu (amper)
Cos = factor daya
Tegangan jala-jala
Rotor
Kumparan utama
Kumparan bantu
Kapasitor
IU
IB ZU
ZB
Xc
XB
Xu Vt
IL
Universitas Sumatera Utara
-
24
= ....(2. 7)
arc tg = nilai inverse tangen
XU = reaktansi induktif pada kumparan utama (ohm)
XC = reaktansi kapasitip pada kapasitor (ohm)
XB = reaktansi induktif pada kumparan bantu (ohm)
RU = tahanan murni pada kumparan utama (ohm)
RB = tahanan murni pada kumparan bantu (ohm)
Besarnya arus listrik yang mengalir ke kumparan utama dapat dihitung dengan
menggunakan Persamaan 2.8 [1]:
= ...(2. 8)
IU = arus yang mengalir pada kumparan utama (amper)
ZU = impedansi pada kumparan utama (ohm)
..(2. 9)
jXU = reaktansi induktif pada kumparan utama (ohm)
di mana dapat diperoleh dengan menggunakan Persamaan 2.10
(2. 10)
f = frekuensi tegangan jala-jala (Hertz)
l = induktansi kumparan utama (Henry)
Di mana besarnya arus listrik yang mengalir ke kumparan bantu dapat dihitung
dengan menggunakan Persamaan 2.11 [1]:
Universitas Sumatera Utara
-
25
= .(2. 11)
IB = arus yang mengalir pada kumparan bantu (amper)
ZB = impedansi pada kumparan bantu (ohm)
.(2. 12)
jXB = reaktansi induktif pada kumparan bantu (ohm)
jXC = reaktansi kapasitif pada kapasitor (ohm)
di mana dapat diperoleh dengan menggunakan Persamaan 2.13 [1]
(2. 13)
sedangkan dapat diperoleh dengan menggunakan Persamaan 2.14 [1]
..(2. 14)
C = kapasitansi kapasitor yang digunakan (Farad)
Sehingga
..(2. 15)
2.3.5.2. Temperatur
Salah satu faktor yang dapat mempengaruhi kondisi dari isolasi stator adalah
temperatur. Selain dapat mengurangi umur ketahanan dari isolasi stator tersebut,
temperatur yang tinggi dapat juga menyebabkan terbakarnya isolasi stator jika
melebihi batas ketahanan panas dari jenis isolasi yang digunakan sehingga
menyebabkan terjadinya kerusakan total dari motor induksi. Tabel 2.1 menunjukkan
klasifikasi jenis isolasi stator yang digunakan motor induksi.
Universitas Sumatera Utara
-
26
Tabel 2. 1 Klasifikasi jenis isolasi stator [21]
Jenis isolasi stator
Batas temperatur
A B F H R
105o C 130o C 155o C 180o C 220o C
Untuk itu perlu dilakukan pengukuran temperatur pada kumparan stator MI
baik dengan cara menggunakan sensor temperatur seperti termokopel, LM 35, PTC
atau pengukuran temperatur dilakukan secara manual dengan cara mengukur nilai
tahanan kumparan stator MI. Besarnya kenaikan temperatur pada motor induksi
ketika beroperasi sebanding dengan lamanya operasi MI tersebut dan dapat diketahui
dengan mengukur tahanan kumparan utama dan bantu sebelum dan sesudah
dioperasikan beberapa jam MI dengan menggunakan Persamaan 2.16 [22]:
.(2. 16)
RC = tahanan kumparan utama dan bantu sebelum dioperasikan (Ohm)
Rh = tahanan kumparan utama dan bantu sesudah dioperasikan (Ohm)
= Koefisien tahanan kawat tembaga (0,00428 Ohm / 0 C)
t1 = temperatur awal motor induksi (0 C)
t2 = temperatur akhir motor induksi (0 C)
Universitas Sumatera Utara
-
27
2.4. Jaringan Saraf Tiruan
Jaringan saraf tiruan (neural network) merupakan salah satu representasi buatan
dari otak manusia yang selalu mencoba untuk mensimulasikan proses pembelajaran
pada otak manusia tersebut. Istilah tiruan di sini digunakan karena jaringan saraf ini
meniru cara kerja jaringan saraf biologis dan diimplementasikan dengan
menggunakan program komputer yang mampu menyelesaikan sejumlah proses
perhitungan selama proses pembelajaran [23].
2.4.1. Otak Manusia
Otak manusia berisi berjuta-juta sel saraf yang bertugas mengolah informasi.
Tiap-tiap sel saraf bertugas seperti suatu prosesor sederhana dan saling berinteraksi
sehingga mendukung kemampuan kerja otak manusia. Gambar 2.13 menunjukkan
contoh jaringan saraf secara biologis.
Gambar 2. 13 Jaringan Saraf Secara Biologis [24]
Universitas Sumatera Utara
-
28
Setiap neuron menerima sinyal input dari neuron yang lain melalui dendrit
dan mengirimkan sinyal yang dihasilkan inti sel melalui axon. Axon dari neuron
biologis bercabang-cabang dan berhubungan dengan dendrit dari neuron lainnya
dengan cara mengirimkan sinyal input melalui sinapsis. Di mana sinapsis merupakan
unit fungsional yang terletak di antara 2 buah neuron umpamanya neuron 1 dan 2.
Dan nilai yang terdapat pada sinapsis dapat berkurang dan bertambah tergantung dari
seberapa besar tingkat propagasi yang diterimanya [25]. Tabel 2.2 istilah nama antara
jaringan saraf biologis dengan jaringan saraf tiruan (JST).
Tabel 2. 2 Istilah Nama Antara JST Dengan Jaringan Saraf Biologis [25]
Jaringan saraf tiruan
Jaringan saraf biologis
Node atau unit
Input Output Bobot
Neuron Dendrit
Axon Sinapsis
2.4.2. Komponen Jaringan Saraf Tiruan
Ada beberapa tipe jaringan saraf tiruan, namun demikian hampir semuanya
memiliki komponen-komponen yang sama. Jaringan saraf tiruan disusun dengan
asumsi yang sama seperti jaringan saraf biologis yakni terdiri dari beberapa node dan
adanya hubungan antara node. Sinyal informasi yang terdapat di antara 2 buah node
diteruskan melalui sebuah hubungan dan setiap hubungan antara 2 buah node
mempunyai nilai bobot lalu dengan menggunakan fungsi aktivasi nilai keluaran node
ditentukan [24]. Gambar 2.14 merupakan struktur node jaringan saraf tiruan.
Universitas Sumatera Utara
-
d
s
p
o
m
Pada
dengan laye
sebelum dan
pada JST ak
output mel
menunjukka
Bobot
G
a JST node-n
er node. Nod
n sesudahny
kan diramba
alui lapisan
an JST denga
Ga
Gambar 2. 14
node akan d
de-node pad
ya kecuali lap
atkan lapisan
n tersembun
an 3 lapisan.
ambar 2. 15
4 Struktur N
dikumpulkan
da satu lapis
apisan input
n ke lapisan
nyi seperti
.
JST Denga
Node Jaringa
n dalam lap
san akan dih
dan output.
n, mulai dar
tampak p
n 3 Lapisan
an Saraf Tiru
pisan (layer)
hubungkan d
Informasi y
ri lapisan inp
ada Gamba
[24]
uan [24]
) yang diseb
dengan lapis
yang diberik
put ke lapis
ar 2.15 ya
29
but
san
kan
san
ang
Universitas Sumatera Utara
-
30
2.4.3. Arsitektur Jaringan Saraf Tiruan
Hubungan antar node dalam jaringan saraf tiruan mengikuti pola tertentu
tergantung dari arsitektur jaringan saraf tiruan yang digunakan. Pada dasarnya ada 3
macam arsitektur jaringan saraf tiruan yaitu [24]:
e. Jaringan saraf tiruan dengan lapisan tunggal
Jaringan saraf tiruan dengan satu lapisan tunggal hanya memiliki satu lapisan
dengan bobot-bobot terhubung. Jaringan ini hanya menerima input kemudian
mengolahnya menjadi output tanpa harus melalui lapisan tersembunyi seperti
pada Gambar 2.16. Dengan kata lain ciri jaringan ini hanya mempunyai satu
lapisan input dan output, tidak mempunyai lapisan tersembunyi.
Gambar 2. 16 Bentuk Jaringan Saraf Tiruan Dengan Lapisan Tunggal [24]
Universitas Sumatera Utara
-
31
b. Jaringan saraf tiruan dengan banyak lapisan
Jaringan saraf tiruan dengan banyak lapisan memiliki satu atau lebih lapisan
yang terletak diantara lapisan input dan lapisan output (memiliki satu atau lebih
lapisan tersembunyi). Umumnya terdapat lapisan bobot diantara 2 lapisan
bersebelahan seperti pada Gambar 2.17.
Gambar 2. 17 Bentuk JST Dengan Banyak Lapisan [24]
Universitas Sumatera Utara
-
32
c. Jaringan saraf tiruan dengan lapisan kompetitif
Arsitektur pada jaringan saraf tiruan ini memiliki bentuk yang berbeda, di mana
antar node dapat saling berhubungan. Gambar 2.18 merupakan bentuk jaringan
saraf tiruan dengan lapisan kompetitif.
Gambar 2. 18 Bentuk JST Dengan Lapisan Kompetitif [24]
2.4.4. Arsitektur Jaringan Saraf Tiruan Backpropagation
Di dalam jaringan saraf tiruan dengan backpropagation setiap node yang
berada di lapisan input terhubung dengan setiap node pada lapisan tersembunyi dan
setiap node pada lapisan tersembunyi juga terhubung dengan setiap node pada lapisan
Universitas Sumatera Utara
-
33
output [25]. Untuk lebih jelasnya arsitektur JST backpropagation dapat dilihat pada
Gambar 2.19.
Gambar 2. 19 JST Backpropagation Dengan Satu Lapisan Tersembunyi [25]
Jaringan saraf tiruan dengan algoritma pembelajaran backpropagation terdiri
dari banyak lapisan (multilayer neural network) yaitu:
Universitas Sumatera Utara
-
34
1. Lapisan input hanya 1. Pada lapisan input terdapat node Xi, i = 1, 2, ..., n. ( n =
jumlah node dalam lapisan input).
2. Lapisan tersembunyi (hidden layer) minimal 1. Seperti halnya lapisan input pada
lapisan tersembunyi juga berisi node mulai dari Zj, j = 1, 2, ..., p (p = jumlah node
pada lapisan tersembunyi untuk 1 lapisan). Tetapi pada lapisan tersembunyi ini
dapat saja terdiri dari beberapa lapisan tersembunyi.
3. Lapisan output hanya 1 buah. Lapisan ini terdiri dari node output mulai dari Yk, k
= 1, 2, ..., m (m = jumlah node pada lapisan output). V0j adalah bias untuk node
Zj pada lapisan tersembunyi dan W0k adalah bobot untuk node Yk pada lapisan
output. Bias V0j dan W0k sama seperti bobot di mana output bias ini selalu
bernilai 1. Vij adalah bobot yang menghubungkan antara node Xi pada lapisan
input dengan node Zj pada lapisan tersembunyi, sedangkan Wjk adalah bobot
yang menghubungkan antara node Zj pada lapisan tersembunyi dengan node Yk
lapisan output.
2.4.5. Bobot
Bobot dipakai untuk menentukan nilai sebuah node dan terletak di antara 2
(dua) lapisan, baik antara lapisan input dengan lapisan tersembunyi atau antara
lapisan tersembunyi dengan lapisan output dan mempunyai nilai tertentu. Pada saat
awal pelatihan nilai bobot diatur agar berada pada nilai acak yang kecil misalnya di
antara -0,5 sampai 0,5 lalu nilai bobot ini diperbaharui setiap proses epoch pada
waktu pelatihan.
Universitas Sumatera Utara
-
35
2.4.6. Bias
Bias juga dipakai untuk menentukan nilai sebuah node tetapi hanya pada node
pada lapisan tersembunyi dan output. Bias ini selalu bernilai 1 tetapi nilai bobotnya
berbeda dan pada awal pelatihan diberi dengan nilai acak yang kecil antara -0,5
sampai 0,5 lalu nilai bobot ini juga diperbaharui setiap proses epoch pada waktu
pelatihan.
2.4.7. Epoch
Epoch adalah pengulangan yang terjadi pada proses pelatihan di dalam
jaringan saraf tiruan dalam memperbaiki error. Pengulangan ini akan terus
berlangsung hingga toleransi error (MSE) pelatihan atau nilai epoch yang ditetapkan
telah tercapai.
2.4.8. Learning Rate
Learning rate () merupakan sebuah parameter pembelajaran di dalam jaringan
saraf tiruan backpropagation yang digunakan untuk mempercepat proses pelatihan
dan bernilai antara 0 sampai 1. Jika jaringan saraf tiruan menggunakan learning rate
mendekati 0 maka proses pelatihan membutuhkan waktu yang lebih lama dalam
mencapai performance jaringan saraf tiruan yang diinginkan tetapi terkadang baik
jika dipakai pada proses aplikasi. Sebaliknya jaringan saraf tiruan menggunakan
learning rate mendekati 1 maka proses pelatihan membutuhkan waktu yang lebih
cepat dalam mencapai performance jaringan saraf tiruan yang diinginkan tetapi
terkadang tidak baik jika dipakai pada proses aplikasi.
Universitas Sumatera Utara
-
36
2.4.9. Toleransi Error
Toleransi error merupakan sebuah nilai pembatas yang ditetapkan oleh user
agar selisih target dengan keluaran jaringan saraf tiruan (MSE) dalam proses
pelatihan tidak sampai 0. Hal ini bertujuan untuk menghindari overtraining yang
menyebabkan jaringan saraf tiruan mengambil sifat memorilisasi akibatnya ketika
hasil pelatihan diuji dengan pola data yang tidak pernah dikenali maka jaringan saraf
tiruan akan memberikan hasil yang jauh berbeda dari target yang diharapkan.
2.5. Fungsi Aktivasi
Fungsi aktivasi digunakan untuk menentukan keluaran pada node. Ada
beberapa fungsi aktivasi yang sering digunakan dalam jaringan saraf tiruan seperti
fungsi undak biner, bipolar, linear (identitas), saturating linear, symmetric saturating
linear, sigmoid biner dan sigmoid bipolar.
Karena keluaran jaringan saraf tiruan yang diinginkan pada penelitian ini
antara 0 sampai 1 maka fungsi aktivasi yang digunakan adalah sigmoid biner dan
fungsi aktivasi ini mempunyai hubungan yang sederhana antara nilai fungsi pada
suatu titik dengan turunannya sehingga mengurangi beban komputasi selama
pelatihan [23]. Bentuk grafik dari fungsi sigmoid biner dapat dilihat seperti pada
Gambar 2.20 sedangkan fungsi dari sigmoid biner dirumuskan sebagai [23]:
.(2. 17)
dengan turunan:
(2. 18)
Universitas Sumatera Utara
-
37
Gambar 2. 20 Fungsi Sigmoid Biner [24]
2.6. Algoritma Pembelajaran
Salah satu bagian terpenting dari konsep jaringan saraf tiruan adalah terjadinya
proses pembelajaran. Tujuan utama dari proses pembelajaran adalah melakukan
pengaturan terhadap bobot-bobot yang ada pada jaringan saraf tiruan, sehingga
diperoleh bobot akhir yang tepat sesuai dengan pola data yang dilatih [25]. Pada
dasarnya ada 2 metode pembelajaran, yaitu metode pembelajaran terawasi
(supervised) dan metode pembelajaran yang tak terawasi (unsupervised).
a. Pembelajaran terawasi
Pada jaringan saraf tiruan yang menerapkan metode pembelajaran terawasi maka
output yang diharapkan telah ditetapkan. Contoh: jaringan saraf tiruan yang
digunakan untuk prediksi, pengenalan huruf, pola gerbang logika.
Universitas Sumatera Utara
-
38
b. Pembelajaran tak terawasi
Sedangkan jaringan saraf tiruan yang menerapkan metode pembelajaran tak
terawasi tidak memerlukan target output. Pada metode ini, tidak ditentukan hasil
yang seperti apakah yang diharapkan selama proses pembelajaran. Metode
pembelajaran seperti ini sangat cocok untuk pengelompokan pola.
Tetapi ada hal lain yang perlu dipertimbangkan dalam pembelajaran jaringan
saraf tiruan yakni tercapainya keseimbangan antara kemampuan memorilisasi dengan
generalisasi. Yang dimaksud memorilisasi adalah kemampuan jaringan saraf tiruan
memberikan respon yang sempurna terhadap semua pola yang pernah dilatihkan.
Sedangkan generalisasi adalah kemampuan jaringan saraf tiruan memberikan respon
yang bisa diterima terhadap pola-pola input yang serupa (namun tidak identik)
dengan pola-pola yang sebelumnya telah dipelajari. Hal ini sangat bermanfaat ketika
jaringan saraf tiruan diberikan pola input yang belum pernah dilatihkan maka jaringan
saraf tiruan tetap akan memberikan respon (keluaran) yang paling mendekati [25].
2.7. Algoritma Pembelajaran Backpropagation Standar
Backpropagation merupakan algoritma pembelajaran yang terawasi dan metode
yang sangat baik dalam menangani pengenalan pola-pola kompleks yang
menggunakan gradient descent untuk memperkecil total error kuadrat (MSE) hasil
komputasi pada proses pelatihan [23], [25]. Jadi inilah yang menjadi alasan utama
peneliti mencoba menggunakan JST dengan algoritma pembelajaran backpropagation
untuk dijadikan metoda untuk memprediksi kerusakan motor induksi khususnya pada
Universitas Sumatera Utara
-
39
stator untuk satu hari ke depan. Algoritma pembelajaran dengan backpropagation
standar dapat dibagi menjadi 2 bagian:
2.7.1. Algoritma pelatihan
Adapun langkah-langkah algoritma pelatihan adalah sebagai berikut [25]:
Langkah a. Inisialisasi bobot bias ke lapisan hidden (V0j), output (W0k), dan bobot
input (Vij), output (Wjk) seperti pada Gambar 2.19 dengan nilai acak
yang cukup kecil antara -0,5 sampai 0,5. Lalu ditentukan nilai learning
rate () antara 0 sampai 1, toleransi error dan jumlah maksimal epoch
jika menggunakan toleransi error dan banyaknya epoch sebagai kondisi
berhenti.
Langkah b. Selanjutnya dilakukan proses pengulangan dari langkah c j hingga nilai
MSE (mean square error) yang diperoleh dari hasil pelatihan lebih kecil
dari nilai toleransi error yang ditentukan atau epoch telah tercapai.
Langkah c. Untuk setiap pasangan pola akan dilakukan proses pelatihan, dengan
melakukan langkah ke- d sampai langkah ke-i.
Tahap maju
Langkah d. Setiap node Xi, i = 1, 2, ..., n pada lapisan input meneruskan sinyal input
tersebut ke semua node Zj, j = 1, 2, ..., p pada lapisan tersembunyi yang
ada di atasnya.
Langkah e. Setiap node Zj, j = 1, 2, ..., p pada lapisan tersembunyi menjumlahkan
sinyal input Xi, i = 1, 2, ..., n dengan bobotnya Vij dan ditambahkan
Universitas Sumatera Utara
-
40
dengan bobot bias V0j lalu dengan menggunakan fungsi aktivasinya
dihitung sinyal outputnya:
..(2. 19)
selanjutnya sinyal output tersebut dikirim ke semua node ke lapisan di
atasnya (lapisan output).
Langkah f. Setiap node Yk, k = 1, 2, ..., m pada lapisan output menjumlahkan
sinyal input Zj, j = 1, 2, ..., p dari lapisan tersembunyi dengan
bobotnya Wjk dan ditambahkan dengan bobot bias W0k lalu dengan
menggunakan fungsi aktivasinya dihitung sinyal outputnya:
.(2. 20)
Tahap mundur
Langkah g. Setiap node Yk, k = 1, 2, ..., m pada lapisan output menerima pola target
tk lalu informasi kesalahan pada lapisan output k dihitung. k dikirim ke
lapisan di bawahnya Zj, j = 1, 2, ..., p dan digunakan untuk menghitung
besar koreksi bobot Wjk dan bias W0k antara lapisan tersembunyi
dengan lapisan output:
..(2. 21)
..(2. 22)
..(2. 23)
Di mana adalah nilai konstanta learning rate yang ditetapkan.
Langkah h. Setiap node Zj, j = 1, 2, ..., p di lapisan tersembunyi dilakukan
perhitungan informasi kesalahan lapisan tersembunyi j. j kemudian
Universitas Sumatera Utara
-
41
digunakan untuk menghitung besar koreksi bobot dan bias Vij dan V0j
antara lapisan input dan lapisan tersembunyi.
..(2. 24)
..(2. 25)
.(2. 26)
Update bobot
Langkah i. Setiap node pada lapisan output Yk, k = 1, 2, ..., m dilakukan perubahan
bobot dan bias sehingga bobot dan bias yang baru menjadi:
.(2. 27)
(2. 28)
setiap node pada lapisan tersembunyi Zj, j = 1, 2, ..., p dilakukan
perubahan bobot dan bias sehingga bobot dan bias yang baru menjadi:
(2. 29)
(2. 30)
Langkah j. Selanjutnya dilakukan pengujian untuk kondisi berhenti dengan cara
membandingkan hasil MSE yang diperoleh dari pelatihan dengan nilai
toleransi error jika lebih kecil atau maksimal epoch pada proses pelatihan
telah sesuai dengan nilai maksimal epoch yang ditetapkan pada langkah
a.
2.7.2. Algoritma aplikasi
Langkah a. Inisialisasi bobot. Bobot ini diambil dari bobot (V0j, Vij, W0k, Wjk)
terakhir yang diperoleh dari algoritma pelatihan.
Universitas Sumatera Utara
-
42
Langkah b. Untuk setiap pasangan input, dilakukan langkah ke- c sampai ke- e.
Langkah c. Setiap node input Xi menerima sinyal input pengujian Xi dan
meneruskan sinyal Xi ke semua node Zj pada lapisan di atasnya (unit
tersembunyi).
Langkah d. Setiap node di lapisan tersembunyi Zj dihitung sinyal outputnya dengan
menggunakan fungsi aktivasi terhadap penjumlahan sinyal input Xi
dengan bobot Vij dan ditambah dengan bias V0j.
.(2. 31)
Lalu sinyal output dari lapisan tersembunyi kemudian dikirim ke semua
node pada lapisan di atasnya.
Langkah e. Pada setiap node output Yk dihitung sinyal outputnya dengan
menggunakan fungsi aktivasi terhadap penjumlahan sinyal input dari
lapisan tersembunyi Zj dengan bobot Wjk ditambah bias W0k.
.(2. 32)
2.8. Variasi Pembelajaran Backpropagation
Untuk mempercepat proses pelatihan maka algoritma pelatihan pada
backpropagation standar dapat dilakukan perubahan baik dari model
backpropagation yang digunakan atau pun cara update bobot seperti dengan
menambah momentum dan update bobot berkelompok [23].
Universitas Sumatera Utara
-
43
2.8.1. Momentum
Pada backpropagation standar perubahan bobot pada algoritma pelatihan
didasarkan atas gradient yang terjadi untuk pola data yang dimasukkan saat itu.
Metoda perubahan bobot seperti ini dapat menyebabkan JST terjebak pada suatu
daerah yang dinamakan titik minimum lokal atau global karena adanya pola data
yang sangat berbeda, hal ini berakibat pada lambatnya proses pelatihan. Untuk
mengatasi hal ini maka dilakukan modifikasi terhadap perubahan bobot yang
didasarkan atas gradient pola terakhir dan pola sebelumnya atau dikenal nama
momentum. Di mana simbol momentum adalah dan bernilai antara 0 sampai 1
sehingga perubahan bobot dapat dihitung dengan Persamaan 2.33 dan 2.34 [23]:
(2. 33)
dan
(2. 34)
Di mana t adalah epoch.
2.8.2. Perubahan Bobot Berkelompok
Variasi lain yang dapat dilakukan untuk memodifikasi perubahan bobot yaitu
dengan cara mengubah bobotnya sekaligus setelah semua pola data yang dimasukkan.
Di mana semua pola data yang dimasukkan dilakukan langkah d h dari algoritma
pelatihan backpropagation standar. Selanjutnya dilakukan proses update bobot
dengan cara menambahkan semua dan yang diperoleh [23].
Universitas Sumatera Utara