ABSTRAKSI: Dalam proses produksi di industri, pemeliharaan mesin-mesin produksi adalah hal yang sangat penting. Pemeliharaan kondisi mesin di industri membutuhkan kecepatan dan kemudahan, salah satu metodenya adalah dengan analisis getaran (analisis vibrasi). Getaran mesin menyebabkan pola suara yang diemisikan mesin, dimana suara mesin yang satu bercampur dengan suara mesin yang lainnya. Perubahan getaran mesin akan mengakibatkan perubahan pola suara yang diemisikan mesin.
Pada Tugas Akhir ini dilakukan perancangan sistem monitoring dan pendeteksian kerusakan mesin dengan pemisahan sinyal suara yang berasal dari banyak sumber suara pada mesin. Beberapa suara motor direkam secara bersamaan melalui microphone array (beberapa mikrofon yang disusun). Setiap mikrofon menerima sinyal suara dari beberapa motor tersebut, sehingga sinyal output dari tiap mikrofon merupakan sinyal campuran. Pemisahan sinyal campuran tersebut dilakukan dengan menggunakan Blind Source Separation (BSS) dengan metode Independent Component Analysis (ICA) dan algoritma FastICA. Pada penelitian sebelumnya, digunakan algoritma natural gradient, tetapi dalam penerapannya masih memiliki beberapa kelemahan.
Untuk memisahkan sinyal campuran digunakan metode ICA dengan pendekatan dari domain waktu (Time Domain ICA-TDICA), pendekatan domain frekuensi (Frequency Domain-FDICA), gabungan keduanya secara bertahap (Multistage ICA-MSICA), serta FastICA. Hasil dalam Tugas Akhir ini yaitu dengan menggunakan algoritma FastICA didapatkan performansi sistem yang lebih baik ditandai dengan nilai parameter performansi SNR yang tinggi.
KATA KUNCI: ICA, FastICA, sinyal suara, deteksi kerusakanABSTRACT: In the process of industrial production, the maintenance of production machinery is very important. Maintenance of machinery conditions in industry requires speed and ease, one of the methods is the analysis of vibration. Machine vibration causes the machine emitted sound pattern, wherein the engine sound mixes with the sound of the other machines. The change of machine vibration will cause the change of emitted sound machine pattern.
In this final project, a system for monitoring and detection of fault of the machines is designed with the separation of sound signals from many sources on the machines. Some motor sounds are recorded simultaneously through microphone array (multiple microphones arranged). Each microphone receives sound signals from some of the motors, so that the output of each microphone signal is mixed signal. Separation of mixed signals is done by using Blind Source Separation (BSS) with Independent Component Analysis (ICA) method and FastICA algorithm. In previous study, using the natural gradient algorithm, but the application still has some drawbacks.
To separate mixed signals, using ICA method with the approach of Time Domain ICA (TDICA), the approach of Frequancy Domain ICA (FDICA), combination of both gradually (Multistage ICA-MSICA), and FastICA. The result in this final project by using FastICA algorithm obtained a better system performance, characterized by the high SNR value.
KEYWORD: ICA, FastICA, sound signal, fault detection