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