Sistem Pakar untuk Mengidentifikasi Kerusakan Mesin Industri Menggunakan Metode Certainty Factor

SISTEM PAKAR UNTUK MENGIDENTIFIKASI KERUSAKAN MESIN INDUSTRI MENGGUNAKAN METODE CERTAINTY FACTOR

Disusun Oleh:

Nama Anggota / NPM         : Ilham Ahmad Fahrizal          / 12117848

                                               Ilham.ahmadfahrizal@gmail.com

Kelas                                    : 3KA31

Dosen Mata Kuliah              : Karmilasari, DR.

JURUSAN SISTEM INFORMASI

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS GUNADARMA

TANGERANG

2019

ABSTRAKSI

Sistem perawatan mesin merupakan suatu hal yang sangat penting di industri untuk memperpanjang umur mesin. Salah satu metode perawat yang sering digunakan adalah predictive maintenance berdasarkan sinyal getaran. Metode ini dapat memprediksi kerusakan mesin berdasarkan sinyal getaran yang timbul, dengan demikian kerusakan parah dapat dihindari. Tetapi metode ini sangat tergantung kepada pakar getaran untuk membaca karakteristik getarannya, sehingga tidak memungkinkan untuk operator biasa tidak bisa berbuat apa-apa apabila para pakar tidak ada. Oleh karena itu, dalam penelitian ini akan merancang sebuah aplikasi sistem pakar berbasis android yang dapat mengidentifikasi kerusakan pada mesin industri. Jenis kerusakan yang dapat diidentifikasi dalam aplikasi ini adalah unbalance, misalignment, kebengkokan poros, kelonggaran, dan kerusakan pada bantalan. Diharapkan aplikasi ini lebih praktis dan dapat digunakan oleh semua operator lapangan untuk mengidentifikasi kerusakan mesin. Metode yang digunakan dalam perancangan aplikasi ini adalah metode certainty factor. Untuk mengukur tingkat keakuratan hasil rancangan, aplikasi yang sudah diintall di android dan divalidasi dengan hasil analisis pakar. Proses validasi data aplikasi meliputi pengujian sistem yang dilakukan dengan membandingkan hasil analisa pakar terhadap hasil analisa aplikasi sistem pakar. Pada penelitian ini, data untuk validasi diambil dari data hasil pengujian getaran pada mesin-mesin di industri. Sinyal getaran inilah yang dianalisis jenis kerusakannya oleh pakar dan dirunning oleh aplikasi. Hasil validasi menunjukkan tingkat akurasi aplikasi mencapai 100%.

1.      Pendahuluan

Mesin merupakan komponen yang penting dalam proses produksi di dunia industri. Mesin-mesin di industri umumnya bergerak secara rotasi. Mesin-mesin rotasi tersebut rentan mengalami kerusakan. Kerusakan yang terjadi dapat diakibatkan oleh batas usia pemakaian suku cadang. Sebenarnya kerusakan dapat dihindari dengan proses penanganan dan pendeteksian dini kerusakan pada mesin yang dikenal dengan proses predictive maintenance. Dalam kegiatan predictive maintenance proses analisa kerusakan dapat dilakukan dengan melihat kecenderungan vibrasi yang dialami oleh mesin. Kerusakan yang terjadi umumnya dapat diidentifikasi oleh ahli di bidang vibrasi dengan melihat ciri-ciri kerusakan yang terjadi berdasarkan sinyal getaran. Namun, kelemahan menggunakan jasa ahli dalam menganalisa kerusakan adalah memerlukan waktu yang cukup lama dalam proses analisa. Dengan menggunakan jasa ahli atau analisa secara konvensional, hal ini tentu saja menjadi sebuah kerugian atau kelemahan tersendiri dan berdampak buruk bagi pengeluaran perusahaan terutama waktu. Untuk menanggulangi permasalahan tersebut, pengembangan teknologi sistem pakar merupakan salah satu cara yang efektif. Sistem pakar adalah suatu program komputer cerdas yang menggunakan knowledge (pengetahuan) dan prosedur inferensi untuk menyelesaikan masalah yang cukup sulit sehingga membutuhkan seorang yang ahli untuk menyelesaikannya. Sistem pakar secara masif terus dikembangkan untuk dapat mempermudah kerja manusia dalam segala bidang. Beberapa contoh aplikasi dari sistem pakar adalah dengan dikembangkannya sistem pakar untuk mendeteksi kerusakan sepeda motor. Sistem pakar deteksi kerusakan motor dibuat dengan metode forward chaining dan berbasis android sehingga kerusakan sepeda motor dapat terdeteksi dengan menggunakan aplikasi android. Contoh lain pengembangan sistem pakar adalah untuk mendiagnosa gejala kerusakan mesin mobil toyota menggunakan metode case based reasoning. Sistem pakar diagnosa kerusakan mobil Toyota dirancang dengan menggunakan metode berbasis kasus dan berbasis website sehingga dapat mendiagnosa kerusakan mobil Toyota. Kedua penelitian tersebut membuktikan bahwa sistem pakar dirancang agar mempermudah kerja manusia tak terkecuali untuk mengidentifikasi kerusakan mesin industri. Maka dalam penelitian ini akan dirancang sistem pakar berbasis android dengan menggunakan metode certainty factor. Metode certainty factor menyatakan kepercayaan dalam sebuah kejadian atau fakta berdasarakan bukti atau penilaian pakar. Certainty factor menggunakan suatu nilai untuk mengasumsi derajat keyakinan seorang pakar terhadap suatu data. Sehingga, berdasarkan fakta-fakta gejala kerusakan yang ada dimasukkan ke dalam sistem pakar maka akan didapat kemungkinan dari jenis kerusakan yang terjadi. Dengan adanya sistem pakar untuk identifikasi kerusakan mesin berbasis android dinilai dapat menjadi salah satu solusi bagi perusahaan dan teknisi pemula dalam membantu perannya untuk melakukan proses analisa kerusakan lebih efektif dan praktis sehingga tindakan perbaikan dapat segera dilakukan.

2.      Metode

2.1  Rancangan Sistem

Dalam penelitian ini, sistem dirancang berdasarkan use case diagram. Use case diagram digunakan untuk memodelkan proses pada aplikasi berdasarkan perspektif pengguna sistem. Diagram ini terdiri atas diagram untuk use case dan actor. Gambar 1 menunjukkan gambaran use case diagram perancangan sistem

2.2  Data Gejala Kerusakan

Setelah merancang sistem, langkah selanjutnya adalah mencari data gejala keruaskan mesin untuk beberapa kondisi kerusakan meliputi unbalance, misalignment, kebengkokan poros, kelonggaran, dan kerusakan pada bantalan. Pada proses ini akan menjelaskan data-data terkait standar vibrasi ISO 10816-3 dengan jenis-jenis kerusakan dan gejala kerusakan yang dialami mesin. Data inilah yang nantinya akan dibuat program dan didahului dengan adanya relasi data antara gejala dan kerusakan yang yang terjadi. Selanjutnya, tentu kita butuh standar sebagai acuan. ISO 10816-3 dijadikan sebagai acuan internasional untuk batas getaran yang diizinkan. Dalam perancangan sistem pakar ini, data ISO 10816-3 akan dijadikan sebagai database untuk menentukan apakah level vibrasi dari suatu mesin masih dalam batas izin atau tidak. Gambar 2 menerangkan mengenai standar ISO 10816-3. Data ini akan digunakan dalam pemrograman sebagai database batas vibrasi yang diizinkan

Tahap selanjutnya adalah penentuan indikasi kerusakan pada mesin. Umumnya mesin akan memiliki ciri-ciri atau terdapat gejala tertentu apabila mengalami kerusakan sehingga dari gejala yang timbul dapat teridentifikasi kerusakan yang ada. Tabel 1 menyajikan indikasi atau gejala-gejala kerusakan yang umumnya terjadi pada mesin industri.

Setelah gejala dan jenis kerusakan telah didefinisikan maka langkah selanjutnya adalah membuat basis aturan. Adapun basis pengetahuan yang dibuat dapat dilihat pada Tabel 2.

2.3  Menentukan Nilai Certainty Factor (CF)

Dalam tahapan ini, penentuan nilai certainty factor berdasarkan informasi hasil wawancara dengan pakar. Nilai CF didapat dari qualitatif term yang diberikan oleh pakar sehingga menjadi nilai CF tertentu. Adapun data penentuan nilai certainty factor untuk masing-masing gejala dapat dilihat pada Tabel 3.

2.4 Implementasi dan Pengujian Sistem

Dalam tahap ini akan dilakukan pengujian dan validasi hasil analisa aplikasi dengan hasil analisa ahli. Hal ini dilakukan untuk menentukan tingkat akurasi aplikasi yang telah dirancang. Selain itu, validasi juga dilakukan pada metode yang digunakan dalam perancangan aplikasi ini. Proses validasi metode certainty factor adalah dengan memebandingkan hasil nilai CF aplikasi dengan nilai CF perhitungan manual. Validasi ini bertujuan untuk menguji dan memastikan bahwa algoritma yang disusun pada program telah sesuai dan benar. Adapun langkah-langkah perhitungan metode certainty factor yaitu:

1. Menentukan nilai CF Pakar {CF(H)} dan CF pengguna {CF(E)} yang didapat dari hasil wawancara pakar pada Tabel 2.

2.  Perhitungan nilai CF dilakukan dengan mengalikan nilai CF Pakar dengan nilai CF pengguna.

3. Mengkombinasikan setiap 2 nilai CF sesuai dengan aturan yang ada. Dan apabila terdapat lebih dari 2 nilai CF, maka dilakukan pengkombinasian nilai CF tersebut.

4. Mengalikan hasil nilai CF kombinasi dengan 100% untuk mendapat jawaban dalam bentuk persentase

Kesimpulan

Dari hasil perancangan sistem pakar identifikasi kerusakan mesin berbasis android dapat ditarik kesimpulan bahwa aplikasi sistem pakar yang dirancang mampu mengidentifikasi kerusakan mesin berdasarkan karakteristik getaran yang menyatakan akurasi aplikasi mencapai 100%. Sehingga aplikasi sistem pakar ini dapat digunakan sebagai alat bantu para teknisi dalam proses analisa vibrasi.

Referensi

1. Kusrini, S., 2008, “Sistem Pakar Teori dan Aplikasi,” Andi Publisher, Yogyakarta. 

2. Putu, I.P.W., 2015, “Sistem Pakar untuk Mendeteksi Kerusakan Sepeda Motor Berbasis Android,” Konferensi Nasional Sistem dan Informatika, STMIK STIKOM Bali.

3. Abdullah, D., Azmi, K., 2016, “Sistem Pakar Mendiagnosa Gejala Kerusakan Mesin Mobil Toyota Menggunakan Metode Case Based Reasoning,” Reserachgate.

4. Durkin, J., 1994, “Expert Systems Design and Development,” Prentice Hall.

5. Technical Associates of Charlotte, 2001, “Vibration Analysis Module,” North Carolina, USA.

6. Girdhar, P., Scheffer, C., 2004, “Machinery Vibration Analysis & Predictive Maintenance,” Netherlands, IDC Technologies.

7. Hasibuan, N.A., Sunandar, H., Alas, S., Suginam, 2017, “Sistem Pakar Mendiagnosa Penyakit Kaki Gajah Menggunakan Metode Certainty Factor,” Jurnal Riset Sistem Informasi dan Teknik Informatika, 2(1): 29-39