Media Elektrika, Vol.13, No.1, Juni 2020
(p-ISSN: 1979-7451, e-ISSN: 2579-972X)
KLASIFIKASI HUBUNG SINGKAT TURN TO TURN PADA
BELITAN STATOR MOTOR INDUKSI YANG
DISEBABKAN KEGAGALAN ISOLASI MENGGUNAKAN
METODE NEURAL NETWORK (NN)
Barli Jeihan Irawan, Iradiratu Diah P.K, Belly Yan Dewantara,
Daeng Rahmatullah.
Jurusan Teknik Elektro, Fakultas Teknik dan Ilmu Kelautan, Universitas Hang Tuah Surabaya
Jl. Arief Rachman Hakim No. 150, Keputih, Sukolilo, Kota Surabaya, Jawa Timur 60111.
Email: Barlijeihanirawan@gmail.com, iradiratu@hangtuah.ac.id, bellyyandewantara@hangtuah.ac.id
daengrahmatullah@gmail.com
ABSTRACT
Hampir seluruh industri menggunakan motor induksi sebagai alat bantu produksi, hal ini
disebabkan karena beberapa alasan yaitu, kecepatan putar yang dihasilkan konstan, motor induksi
tidak memiliki sikat sehingga rugi gesek dapat dikurangi, dan perawatannya yang mudah. Pada
penelitian ini adalah mendeteksi kerusakan belitan stator yang disebabkan oleh laminasi belitan
sehingga terjadinya hubung singkat pada satu phasa, yang disebut juga dengan turn fault. Metode
Fast Fourier Transform (FFT) yang digunakan untuk pedeteksian arus dengan pembebanan 0%,
dan 100% yang nantinya hasil deteksi untuk klasifikasi pada Neural Network (NN).
Pengkategorian tingkat pembebanan dan tingkat kerusakan yang dialami oleh motor induksi, yaitu
turn to turn u1, turn to turn u1 dan v1, dan turn to turn u1, v1 dan w1. Pembacaan hasil test yang
dilakukan pada Neural Network memiliki hasil prediksi yang baik karena MSE yang dihasilkan
tidak melebihi tingkat keerroran 5% yang telah ditetapkan.
Keywords : Analisis arus stator, Kerusakan, Fast Fourier Transform (FFT), Neural Network (NN).
dapat dikurangi, dan perawatannya yang
1. PENDAHULUAN
mudah. Meskipun motor induksi cukup
Hampir
seluruh
industri
menggunakan motor induksi sebagai alat
bantu produksi, hal ini disebabkan karena
beberapa alasan yaitu, kecepatan putar
handal tetapi pada kenyataannya dapat
saja mengalami banyak masalah pada saat
beroprasi yang menyebabkan kerusakan
total pada motor induksi (Huda, 2019).
yang dihasilkan konstan, motor induksi
tidak memiliki sikat sehingga rugi gesek
Klarifikasi Hubung Singkat Turn to Turn Pada….
http://jurnal.unimus.ac.id
| 1
Media Elektrika, Vol.13, No.1, Juni 2020
Gejala kerusakan motor induksi
(p-ISSN: 1979-7451, e-ISSN: 2579-972X)
menggunakan
metode
Fast
Fourier
berupa timbulnya getaran (vibrasi), bising
Transform FFT (Shodiq, F., 2019).
(noise), peningkatan suhu kerja serta
Mendeteksi
adanya percikan bunga api yang dapat
Bearing
membuat
Fourier Transform (FFT) (Abduh, 2019).
motor
berhenti
bekerja.
kerusakan
menggunakan
Race
metode
Fast
(Prasetyadi, 2019). Kerusakan tersebut
Mendeteksi
tidak hanya menurunkan efisiensi kerja
Bearing
dari mesin, melainkan bisa menimbulkan
(Iradiratu, 2019). Mendeteksi kerusakan
potensi bahaya untuk produksi yang
outer race bearing menggunakan metode
berkelanjutan dan keamanan kerusakan
Decomposition
yang sering terjadi diantaranya kerusakan
(Dewantara, 2019). Mendeteksi bantalan
belitan stator yang sering terjadi dapat
balap
mencapai 36%. (Abduh, 2019).
menggunakan
Apabila kerusakan pada motor
induksi
tidak
dideteksi
pada
tahap
permulaan akan dapat mengakibatkan
2019).
proses
luat
Race
arus
motor
sinyal
Wavelet
pada
arus
Diagnosa
Transform
motor
stator
induksi
(Iradiratu,
Eksentrisitas
Celah
Analisia Axial Fluks (Fithrooh, 2020).
Penelitian ini akan membahas
yang
mengenai metode analisis arus stator pada
menimbulkan kerugian besar terutama
kondisi steady state yang terjadi pada
bila
secara
motor induksi yang dilengkapi dengan
mendadak. (Faturrohman, 2019). Pada
algoritma Fast Fourier Transform (FFT)
penelitian
yang
kerusakan
produksi
melalui
Inner
Udara Pada Motor Induksi Melalui
shut down serta dapat menyebabkan
terhentinya
kerusakan
Outer
yang
timbul
sebelumnya
teknik
kemudian
akan
memiliki
memonitoring kerusakan belitan stator
keuntungan untuk mengenali pola data
motor
motor
non-linear
deteksi
getaran,
induksi
namun
menggunakan
metode
dan
dapat
menghindari
ini
kompleksitas penentuan ambang batas
merupakan metode konvensional dan jika
deteksi menggunakan Neural Network
terjadi kerusakan ringan sulit untuk
(NN). Yang diaplikasikan pada motor
dideteksi.
induksi
Ada beberapa analisa kerusakan
untuk
melakukan
deteksi
kerusakan belitan stator.
melalui arus stator menggunakan MCSA
Dalam penelitian ini nantinya
Motor Current Signature Analysis antara
akan dilakukan beberapa eksperimen
lain mendeteksi kerusakan batang rotor
berupa rekonstruksi kerusakan belitan
2
|
Barli Jeihan Irawan, dkk.
http://jurnal.unimus.ac.id
Media Elektrika, Vol.13, No.1, Juni 2020
(p-ISSN: 1979-7451, e-ISSN: 2579-972X)
stator serta pemberian beban mekanis
berupa
yang bervariasi mulai dari tanpa beban,
peralatan
beban
beban
terhubung komputer yang dilengkapi
maksimum untuk mengetahui performa
dengan software LabVIEW, Diadem dan
dari metode deteksi kerusakan yang
MATLAB.
minimum
sampai
diajukan. Eksperimen dilakukan dengan
menggunakan
dan
akuisisi
lampu,
data
serta
(NI-DAQ)
Dengan menggunakan algoritma
peralatan
Fast Fourier Transform (FFT) yang
pengujian berupa National Instruments
mengubah sinyal arus stator dari domain
(NI-DAQ)
waktu
software
beberapa
generator
yang
dilengkapi
LabVIEW,
dengan
Diadem
ke
domain
frekuensi
yang
dan
kemudian akan memiliki keuntungan
MATLAB untuk memudahkan proses
untuk mengenali pola data non-linear dan
pengukuran dan pengolahan sinyal arus
dapat
stator motor induksi.
penentuan
menghindari
ambang
kompleksitas
batas
deteksi
menggunakan Neural Network (NN).
EKSPERIMEN
Tujuan digunakannya algoritma FFT dan
ANALISA KERUSAKAN BELITAN
metode NN adalah untuk melakukan
STATOR MOTOR INDUKSI
deteksi hubung singkat pada belitan stator
2.
TEKNIK
DAN
Pada penelitian ini akan dilakukan
melalui spectrum arus stator.
eksperimen untuk mendeteksi terjadinya
kerusakan belitan stator pada motor
induksi melalui analisa frekuensi pada
arus
stator.
Adapun
sistem
yang
digunakan terdiri dari beberapa device
yang dibutuhkan antara lain sumber AC,
motor
induksi
3
fasa,
perangkat
pembebanan, dan peralatan akuisisi data
yang secara langsung terhubung ke
komputer. Dalam Penelitian ini, sistem
pengukuran sinyal arus stator, untuk
membentuk
sistem
deteksi
tersebut
diperlukan beberapa peralatan penunjang
seperti sumber listrik dari pln, motor
induksi 3 fasa, perangkat pembebanan
Gambar 1. Konfigurasi Sistem Deteksi
kerusakan belitan stator
A. Eksperimen Penelitian
Sumber yang digunakan berupa
sumber AC tiga fasa yang langsung
diambil dari jaringan PLN. Fungsinya
sebagai sumber listrik arus bolak-balik
Klarifikasi Hubung Singkat Turn to Turn Pada….
http://jurnal.unimus.ac.id
| 3
Media Elektrika, Vol.13, No.1, Juni 2020
(p-ISSN: 1979-7451, e-ISSN: 2579-972X)
untuk mengoperasikan motor induksi
software
tiga fasa yang akan digunakan. Motor
software DIAdem, sinyal hasil proses
indusi tiga fasa yang digunakan dalam
sampling dapat diatur tampilanya. Selain
penelitian ini merupakan jenis rotor
itu, DIAdem juga dapat digunakan untuk
sangkar merk Tatung dengan kapasitas 2
mengubah file TDMS tadi ke bentuk file
HP
kW.
Excel. File Excel hasil konversi oleh
yang digunakan
DIAdem berisi data teknisi melalui
adalah delta () sehingga motor induksi
proses sampling dan juga data arus tiga
tiga fasa memiliki rating tegangan
fasa.
sebesar 220/380 V dan rating arus
digunakan sebagai input pada software
sebesar 5,94/3,44 Ampere. Motor induksi
MATLAB untuk bisa dilakukan proses
tiga fasa yang digunakan memiliki
analisis.
jumlah pasang kutub sebanyak empat
B. Rekontrusi
atau
setara
Konfigurasi
buah
dengan
belitan
sehingga
memiliki
1,5
kecepatan
yakni
File
DIAdem.
Excel
Melalui
inilah yang akan
Kerusakan
Belitan
Stator
Rekonstruksi hubung singkat yang
sinkron sebesar 1500 rpm dan kecepatan
saat beban penuh sebesar 1380 rpm.
dilakukan
Beban mekanis pada motor yang di
kecacatan pada bagian belitan stator.
gunakan
adalah
Kerusakan dibuat dengan membuatan
berupa generator sinkron yang di kopel
goresan isolasi dikumparannya. Variasi
dengan motor. Untuk memvariasikan
goresan kerusakan ini dimaksudkan agar
beban pada motor generator sinkron
data
dibebani oleh beban resistif berupa
tingkatannya, walaupun pada kenyataan
lampu pijar sebanyak 8 buah dengan
di lapangan hubung singkat terjadi karena
daya 100 Watt.
usia motor tua atau besaran yang tidak
dalam
pengukuran
Pengaturan dari proses sampling
dengan
cara
yang dihasilkan
memberikan
dapat
terukur
dapat ditentukan.
pada NI DAQ dilakukan melalui software
Pada perancangan kerusakan ini
LabVIEW. Keluaran dari hasil sampling
akan dirancang kerusakan sistem isolasi
oleh NI DAQ melalui LabVIEW adalah
antar turn pada motor induksi. Kerusakan
berupa file TDMS (Technical Data
ini melibatkan kerusakan sistem isolasi
Management Streaming). Untuk dapat
yang terdapat pada kawat-kawat, belitan
melihat sinyal hasil sampling melalui file
yang terpisah dalam tiap koil. Pada
TDMS tersebut, dibutuhkan lagi satu
pengujian ini koil masih dalam satu fasa
4
|
Barli Jeihan Irawan, dkk.
http://jurnal.unimus.ac.id
Media Elektrika, Vol.13, No.1, Juni 2020
(p-ISSN: 1979-7451, e-ISSN: 2579-972X)
yang sama yaitu fasa R, S dan T akan
divariasikan jumlah turn fault yang
Setelah perhitungan slip maka
dilakukan perhitungan pada
terjadi dalam satu fasa tersebut. Pada
perancangan
kerusakan
ini
(2)
akan
Setelah itu dilakukan perhitungan
disimulasikan pada gambar yang terjadi
pada turn to turn u1, turn to turn u1 dan
untuk
menentukan
nilai
frekuensi
v1, turn to turn u1, v1 dan w1 sebagai
prediksi yang dimana frekensi pada
berikut :
prediksi di kerusakan stator adalah
(3)
Ini
adalah
contoh
nilai
perhitungan yang telah dilakukan
Gambar 2. Konfigurasi Turn To Turn
Motor Induksi 3 Fasa
Lalu lakukan perhitungan nilai
prediksi.
Dibawah adalah gambar salah
satu contoh grafik yang telah dilakukan
Gambar 3. Kerusakan Belitan Stator
perbandingan
pendeteksian
dari
perhitungan manual dan nilai yang
Turn To Turn
Disini pendeteksian menggunakan
tertera
pada
grafik
yang
dilakukan
dimana
nilai arus yang dimana arus diubah
pendeteksian
dengan
menjadi domain frekuensi yang awalnya
membandingkan grafik spectrum arus
pendeteksian menggunakan perhitungan
motor normal dan motor yang telah
manual yaitu:
mengalami kerusakan
(1)
Klarifikasi Hubung Singkat Turn to Turn Pada….
http://jurnal.unimus.ac.id
| 5
Media Elektrika, Vol.13, No.1, Juni 2020
(p-ISSN: 1979-7451, e-ISSN: 2579-972X)
Tabel
1
:
Nilai
Fst
(Frekuensi
Stator)Beban 0 %Motor Tanpa Beban
Gambar 4. Perbandingan (-) Semua
Kerusakan Beban 0% Motor Tanpa
Dibebani
Nilai
yang
ditunjukkan
pada
Gambar diatas adalah gambar 4
spectrum beban 0% yang telah di analisa
yang merupakan hasil nilai spectrum
akan di masukkan ke dalam tabel yang
yang terjadi pada motor sehat, turn to
nantinya juga dilakukan pada beban
turn u1, turn to turn u1 dan v1, turn to
100%
turn u1, v1 dan w1 yang menunjukkan
hasil spectrum pada (-).
Pada tabel 1 diatas menunjukkan
perbedaan
nilai
masing-masing
yang
dimiliki
oleh
kondisi
motor,
yaitu
motor sehat, dan motor yang telah
mengalami kerusakn yaitu, kerusakan 1
turn to turn u1, kerusakan 2 turn to turn
u1 dan v1, kerusakan 3 turn to turnu1,v1
dan w1, pada nilai yang telah dihasilkan,
nilai mengalami perbedaan frekuensi dan
Gambar 5. Perbandingan (+) Semua
Kerusakanbeban 0% Motor Tanpa
Dibebani.
kenaikan amplitude yang dapat di berikan
kesimpulan
bahwa
analisa
telah
terdeteksi.
Pada gambar 4 dan gambar 5
menunjukkan perbedaan warna yang
menunjukkan perbedaan pada pemberian
keterangan
yang
akan
di
jelaskan
menurut perbedaan warna tersebut.
6
|
Barli Jeihan Irawan, dkk.
http://jurnal.unimus.ac.id
Media Elektrika, Vol.13, No.1, Juni 2020
(p-ISSN: 1979-7451, e-ISSN: 2579-972X)
Motor sehat
Tabel 2 : Nilai Fst (Frekuensi Stator)
Hubung singkat turn to turn u1
Beban 100 % Motor Terkopel Dengan
(kerusakan 1)
Generator + 8 Lampu
Hubung singkat turn to turn u1
danv1 (kerusakan 2)
Hubung singkat turn to turn
u1,v1 dan w1 (kerusakan 3)
Pada tabel 2 diatas menunjukkan
perbedaan
nilai
masing-masing
yang
dimiliki
oleh
kondisi
motor,
yaitu
motor sehat dikopel dengan generator + 8
lampu, dan motor yang telah mengalami
Gambar 6. Perbandingan (-) Semua
kerusakan yang juga terkopel dengan
Kerusakan Beban 100 % Motorterkopel
generator + 8 lampu yaitu, kerusakan 1
Generator + 8 Lampu
turn to turn u1, kerusakan 2 turn to turn
u1 dan v1, kerusakan 3 turn to turnu1,v1
dan w1, pada nilai yang telah dihasilkan,
nilai mengalami perbedaan frekuensi dan
kenaikan amplitude yang dapat di berikan
kesimpulan
terdeteksi.
bahwa
Nilai
analisa
hasil
telah
perbandingan
beban 100% ini bisa dilihat pada tabel 2.
Dari
Gambar 7. Perbandingan (+) Semua
Kerusakan Beban 100 % Motorterkopel
Generator + 8 Lampu
percobaan
pada
beban
tersebut, memiliki selisih yang akan
menunjukkan
tingkat
kerusakan
dan
beban yang terjadi pada pendeteksian
arus yang dimana nantinya akan menjadi
nilai
yang
di
gunakan
untuk
mengklasifikasikan kerusakan dan tingkat
Klarifikasi Hubung Singkat Turn to Turn Pada….
http://jurnal.unimus.ac.id
| 7
Media Elektrika, Vol.13, No.1, Juni 2020
(p-ISSN: 1979-7451, e-ISSN: 2579-972X)
pembebanan yang dilakukan di metode
output target (tk), bobot (w), dan nilai
Neural Network.
bias (Bk). Secara umum, kesalahan ratarata jaringan (MSE), yang merupakan
3. METODE NEURAL NETWORK
fungsi kinerja untuk proses pelatihan
Metode artificial intelligence (AI)
diterima sebagai metodologi yang kuat
untuk beberapa bidang ilmiah. Karena
Neural Network dapat dilatih dan dapat
menangani masalah non-linear, mampu
secara
positif
untuk
mewujudkan
hubungan antara input dan output data
dari eksperimental. Oleh karena itu, dapat
diterapkan ke banyak aplikasi khususnya
Gambar 8. Hasil Grafik Nilai MSE
untuk mengenali pola. Pada dasarnya, ada
Gambar 8 diatas menunjukkan
banyak jenis algoritma jaringan saraf
nilai MSE pada neuron ke 1 sampai 7
tiruan, misalnya, jaringan saraf regresi
yang dimana disini saya menggunakan
umum, jaringan fungsi basis radial,
data latih dengan MSE terkecil yang
korelasi kaskade, dan jaringan tautan
dimana dimiliki pada neuron ke 5
fungsional.
neural
percobaan d.
adalah
A. Hasil Testing NN (Neural Network)
Juga
backpropagation
jaringan
feed-forward
salah satu teknik AI, mampu dengan baik
Motor turn to turn u1 Beban 0%
untuk mengenali pola dan membuat
Hasil grafik di bawah adalah salah
peraturan sederhana untuk masalah yang
satu contoh acak hasil data validasi atau
kompleks.
data tes pada motor keadaan Normal
Metode
Neural
Network
dengan beban 0 % yang telah dilakukan
backpropagasi dipilih dalam penelitian
setelah
melakukan
training
ini bertujuan untuk mengenali harmonik
memproses data latih yang diberikan dari
dari kesalahan rotor bar rusak dengan
data FFT ke NN, data training diproses
menentukan letak kerusakan pada rotor.
dan mendaparkan hasil pada grafik di
Secara teratur, jaringan neural network
bawah
back-propagasi umpan balik memerlukan
parameter inti seperti input data (Pk).
8
|
Barli Jeihan Irawan, dkk.
http://jurnal.unimus.ac.id
atau
Media Elektrika, Vol.13, No.1, Juni 2020
(p-ISSN: 1979-7451, e-ISSN: 2579-972X)
B. Hasil Testing NN (Neural Network)
Motor Terkopel Generator Turn To
Turn u1 dan v1 Beban 100%
Hasil grafik di bawah adalah salah
satu contoh acak hasil data validasi atau
data tes pada motor mengalami kerusakan
turn to turn u1dan v1 yang terkopel
Gambar 9. Hasil Grafik Saat Validasi
dengan generator dengan beban 100%
Data NN Motor Kerusakan Turn To Turn
yang telah dilakukan setelah melakukan
U1 Yang Terkopel Generator Beban 0%
training atau memproses data latih yang
Tabel 3. Pengambilan Data Hasil Testing
diberikan dari data FFT ke NN, data
NN Motor Terkopel Generator Turn To
training diproses dan mendaparkan hasil
Turn U1
pada grafik di bawah.
Hasil
dari
tabel
3
diatas
menyatakan bahwa tingkat beban dari 0%
= 1 dan 100% = 5, dan kondisi stator
pada motor terkopel generator turn to
turn u1 menunjukkan nilai data = 2,
setelah melakukan percobaan testing NN
yang dilakukan melalui data FFT target
klasifikasi kerusakan stator menunjukkan
hasil yang terbaca dengan baik dan
menunjukkan hasil target yang sama
Gambar 9. Hasil Grafik Saat Validasi
Data NN Motor Kerusakan Turn To Turn
U1 Dan V1 Yang Terkopel Generator
Beban 100%
Tabel 4. Pengambilan Data Hasil Testing
NN Motor Terkopel Generator Turn To
Turn U1 Dan V1
dengan data target kalsifikasi kerusakan
stator. Data error pada tiap tingkatan
beban menunjukkan hasil error yang kecil
0% = 7,86 x
,, 100% = 8,38 x
.
Hasil
dari
tabel
4
diatas
menyatakan bahwa tingkat beban dari
Klarifikasi Hubung Singkat Turn to Turn Pada….
http://jurnal.unimus.ac.id
| 9
Media Elektrika, Vol.13, No.1, Juni 2020
(p-ISSN: 1979-7451, e-ISSN: 2579-972X)
0% = 1 dan 100% = 5, dan kondisi stator
normal, dan mengalami kerusakan
pada motor terkopel generator turn to
turn to turn u1, turn to turn u1 dan
turn u1 menunjukkan nilai data = 3,
v1, turn to turn u1, v1, dan w1,
setelah melakukan percobaan testing NN
setelah
yang dilakukan melalui data FFT target
menggunakan metode FFT yang
klasifikasi kerusakan stator menunjukkan
membandingkan
hasil yang terbaca dengan baik dan
motor
menunjukkan hasil target yang sama
mengalami kerusakan pada grafik.
dengan data target kalsifikasi kerusakan
2. Hasil dari pengujian NN memiliki
stator. Data error pada tiap tingkatan
hasil keberhasilan 90% keatas, yang
beban menunjukkan hasil error yang
dimana pembacaan pada grafik pada
kecil 0% = 2.61 x
neuron ke 5 pada percobaan d yang
x
,, 100% = 5.3450
.
itu
data
normal
arus
di
olah
spectrum
arus
dan motor
yang
memiliki MSE 1.63E-13.
3. Pada keluaran yang dihasilkan pada
5. PENUTUP
prosesan
A. KESIMPULAN
disimpulkan
Berdasarkan hasil dari penelitian
metode
NN
bahwa
dapat
hasil
pendeteksian kerusakan pada motor
yang telah dilakukan untuk kerusakan
induksi
stator pada motor induksi menggunakan
tingkat keerroran yang kurang dari
analisa
5% pada MSEnya.
arus
stady
state
dengan
dapat
terlihat
memiliki
menggunakan Neural Network dengan
pembahasan
digunakan
backpropogation
untuk
yang
mengklasifikasikan
DAFTAR PUSTAKA
Abduh,
M. et
al., 2019, “Deteksi
beban dan tingkat kerusakan pada motor
Kerusakan Outer Race Bearing
induksi yang berfokus pada stator, yaitu
Pada
motor sehat, turn to turn u1, turn to turn
Analisa Arus Stator Menggunakan
u1 dan v1, turn to turn u1, v1 dan w1
Metode
sebagai berikut :
(FFT)”, Prosiding SENIATI , 5(3),
1. Pengujian
dilakukan
dengan
Motor
Fast
Induksi
Fourier
Melalui
Transform
175-181.
pengambilan data arus lonjakan pada
Faiz, A. et al., 2019, “Identifikasi
motor induksi keadaan stady state
Ganguan Batang Rotor Pada Motor
yang dilakukan di stator motor
Iduksi Menggunakan Analisa Arus
10
|
Barli Jeihan Irawan, dkk.
http://jurnal.unimus.ac.id
Media Elektrika, Vol.13, No.1, Juni 2020
stator
berbasis
(p-ISSN: 1979-7451, e-ISSN: 2579-972X)
Decomposition
Iradiratu Diah P K, at al, “Healthy
Wavelet Transform (DWT)”,CITTE,
Monitoring
24-25 Juli, ISSN: 2085-6350 (1), pp.
Outer Race Bearing in Induction
90-97.
Motor Using
Fithrooh, A. H. et al, 2020, “Diagnosa
and
Fault
Detection
Stator Current”,ijie,
vol. 11, no. 3, sep. 2019.
Pada
Prasetyadi, Y. et al, 2019, “Fast Fourier
Motor Induksi Melalui Analisia Axial
Transform (FFT) Untuk Mendeteksi
Fluk”, Media Elektrika, 12(2), 66-78.
Kerusakan Bola Bearing Pada Motor
Hermawan, A. et al., 2019, “Deteksi
Induksi Melalui Arus Stator”, CITTE,
Kegagalan Isolasi Pada Belitan
24-25 Juli, ISSN: 2085-6350 (1), pp.
Stator Motor Induksi Berbasis Fast
69-73.
Eksentrisitas
Celah
Udara
Fourier Transfor”, CITTE,24-25 Juli,
ISSN: 2085-6350 (1), pp. 98-102.
Rohman, F. et al, 2019, “Identifikasi
Kerusakan
Huda, I. et al, 2019, “Identifikasi
Pada
Inner
Motor
Race
Induksi
Bearing
Berbasis
Gangguan Belitan Stator Motor
Dekomposition Wavelet Transform
Induski Metode Wavelet”, Prosiding
Melalui Analisa Arus Steady State” ,
SNST ke-10, ISBN: 978-602-52386-
CITTE, 24-25 Juli, ISSN: 2085-6350
1-1 (1), pp. 43-47.
(1), pp. 74-81.
Iradiratu,
D.
P.
K.
et
al,
2019,
Shodiq, F. et al, 2019, “Monitoring
“Decomposition Wavelet Transform
Kerusakan
as Identification of Outer Race
Motor Induksi Menggunakan Analisa
Bearing Damage Through Stator Flow
Arus Stator Berbasis Fast Fourier
Analysis in Induction Motor”, In 2019
Transform”, CITEE, 24-25 Juli.
International
Conference
Batang
Rotor
Pada
on
Information
and
Communications
Technology
(ICOIACT) (pp.
733-
737). IEEE.
Iradiratu, D. P. K. et al, 2019, “Deteksi
Kerusakan
Inner
Menggunakan
Race
Motor
Bearing
Current
Signature Analysis Berbasis Fast
Fourier Transform”, Jurnal Teknik
Elektro dan Komputer TRIAC, 6(1).
Klarifikasi Hubung Singkat Turn to Turn Pada….
http://jurnal.unimus.ac.id
| 11