ITKITK
SPECTA Journal of TechnologySPECTA Journal of TechnologyPenelitian ini mengkaji pengaruh dimensi fitur MFCC terhadap klasifikasi kerusakan motor induksi berbasis deep learning menggunakan sinyal akustik. Empat kondisi yang diklasifikasikan meliputi kondisi normal, ketidakseimbangan, misalignment horizontal, dan misalignment vertikal. Model LSTM dengan 13, 26, dan 39 fitur MFCC masing-masing menghasilkan akurasi validasi sebesar 97,4%, 96,12%, dan 96,3%. Kinerja LSTM juga dibandingkan dengan model CNN, RNN, dan FNN. CNN memperoleh rata-rata akurasi pelatihan tertinggi sekitar 97%, sedangkan LSTM menghasilkan akurasi pengujian terbaik sekitar 94% dengan 39 fitur MFCC. Secara umum, LSTM dan CNN menunjukkan kinerja lebih baik dibandingkan RNN dan FNN. Hasil penelitian menunjukkan bahwa peningkatan jumlah fitur MFCC tidak meningkatkan kinerja klasifikasi karena konfigurasi 13 fitur menghasilkan akurasi validasi tertinggi dengan kompleksitas input paling rendah. Penelitian selanjutnya dapat mengembangkan pemilihan fitur adaptif untuk meningkatkan efisiensi komputasi dan kinerja klasifikasi.
Metode dan hasil yang disajikan dalam makalah ini menunjukkan bahwa variasi data MFCC (13, 26, dan 39 koefisien) pada model LSTM tidak berdampak signifikan terhadap akurasi.Akurasi sebesar 97,4% untuk 13 data MFCC, 96,12% untuk 26 data MFCC, dan 96,3% untuk 39 data MFCC.Untuk model yang lebih efisien, menggunakan dataset yang lebih kecil lebih disarankan.Selama proses pelatihan, model CNN mencapai akurasi tertinggi, yaitu rata-rata 97%.Namun, pada fase pengujian, model LSTM menunjukkan kinerja yang lebih baik, mencapai akurasi 94% dengan 39 koefisien MFCC.Kedua model LSTM dan CNN umumnya outperform RNN dan FNN dalam hal akurasi validasi.Konfigurasi 13 fitur mencapai akurasi validasi tertinggi sambil menggunakan dimensi input terkecil, menunjukkan bahwa peningkatan jumlah fitur tidak meningkatkan kinerja klasifikasi dalam eksperimen ini.Penting untuk dicatat bahwa hasil ini hanya mencerminkan satu aspek kinerja model.Analisis lebih lanjut diperlukan untuk menentukan model mana yang paling cocok untuk tugas tertentu.Penelitian masa depan dapat mengeksplorasi pemilihan fitur adaptif atau pendekatan pembelajaran fitur untuk lebih mengoptimalkan trade-off antara efisiensi komputasi dan kinerja klasifikasi.
Untuk penelitian lanjutan, disarankan untuk mengembangkan metode pemilihan fitur adaptif yang dapat meningkatkan efisiensi komputasi dan kinerja klasifikasi. Selain itu, penelitian dapat fokus pada perbandingan kinerja model deep learning yang berbeda dalam klasifikasi kerusakan motor induksi menggunakan sinyal akustik. Dengan demikian, penelitian ini dapat memberikan wawasan lebih lanjut tentang efektivitas metode-metode tersebut dalam aplikasi industri.
- 0. loading direct.mit.edu/neco/article/9/8/1735-1780/61090 loading direct mit edu neco article 9 8 1735 1780 6109
- Synthetic Data Augmentation and Deep Learning for the Fault Diagnosis of Rotating Machines. synthetic... doi.org/10.3390/math9182336Synthetic Data Augmentation and Deep Learning for the Fault Diagnosis of Rotating Machines synthetic doi 10 3390 math9182336
- . 0 mdpi.com/2079-9292/7/11/299A 0 mdpi 2079 9292 7 11 299
| File size | 833.34 KB |
| Pages | 11 |
| DMCA | Report |
Related /
ITKITK Penelitian ini bertujuan untuk mengetahui solusi terbaik dari permasalahan lokasi dan rute yang dihasilkan oleh Maximal Covering Models dalam penentuanPenelitian ini bertujuan untuk mengetahui solusi terbaik dari permasalahan lokasi dan rute yang dihasilkan oleh Maximal Covering Models dalam penentuan
ITKITK Penelitian ini menganalisis korelasi antar sektor penyusun Indeks Harga Saham Gabungan (IHSG) dan implikasinya terhadap diversifikasi portofolio, menggunakanPenelitian ini menganalisis korelasi antar sektor penyusun Indeks Harga Saham Gabungan (IHSG) dan implikasinya terhadap diversifikasi portofolio, menggunakan
PIPI Penelitian ini bertujuan untuk memprediksi perubahan harga saham perusahaan XYZ dengan menggabungkan model Long Short-Term Memory (LSTM) dan analisis sentimenPenelitian ini bertujuan untuk memprediksi perubahan harga saham perusahaan XYZ dengan menggabungkan model Long Short-Term Memory (LSTM) dan analisis sentimen
IAIN KENDARIIAIN KENDARI Despite their significant potential, MSMEs often face various challenges, such as limited access to funding, low financial literacy, and a lack of understandingDespite their significant potential, MSMEs often face various challenges, such as limited access to funding, low financial literacy, and a lack of understanding
AIRAAIRA Studi ini membandingkan kinerja tiga model prediksi deret waktu, Long Short-Term Memory (LSTM), Temporal Convolutional Network (TCN), dan Radial BasisStudi ini membandingkan kinerja tiga model prediksi deret waktu, Long Short-Term Memory (LSTM), Temporal Convolutional Network (TCN), dan Radial Basis
UMBUMB Hasil ini menunjukkan efektivitas ANN sebagai pengklasifikasi yang andal untuk membedakan antara individu sehat dan penderita diabetes, menawarkan pendekatanHasil ini menunjukkan efektivitas ANN sebagai pengklasifikasi yang andal untuk membedakan antara individu sehat dan penderita diabetes, menawarkan pendekatan
IAINAMBONIAINAMBON Oleh karena itu, perlu ada kajian tentang pendidikan perdamaian yang digali dari budaya masyarakat itu sendiri. Seperti yang terjadi dalam masyarakat DusunOleh karena itu, perlu ada kajian tentang pendidikan perdamaian yang digali dari budaya masyarakat itu sendiri. Seperti yang terjadi dalam masyarakat Dusun
UMTUMT Kajian ini bertujuan untuk menganalisis efektivitas pendistribusian dana ZIS di sektor pendidikan yang dilakukan oleh Baznas Kota Tangerang Selatan diKajian ini bertujuan untuk menganalisis efektivitas pendistribusian dana ZIS di sektor pendidikan yang dilakukan oleh Baznas Kota Tangerang Selatan di
Useful /
ITKITK Dari perspektif kebijakan, studi ini menyarankan bahwa strategi revitalisasi tepian sungai sebaiknya menggabungkan pendekatan bertahap dan berbasis komunitasDari perspektif kebijakan, studi ini menyarankan bahwa strategi revitalisasi tepian sungai sebaiknya menggabungkan pendekatan bertahap dan berbasis komunitas
ITKITK Penelitian ini bertujuan mengidentifikasi elemen defensible space di Kampung Watugong serta mengeksplorasi potensi peningkatan keamanan lingkungan melaluiPenelitian ini bertujuan mengidentifikasi elemen defensible space di Kampung Watugong serta mengeksplorasi potensi peningkatan keamanan lingkungan melalui
AIRAAIRA Keterbatasan jumlah tenaga profesional kesehatan mental menunjukkan kebutuhan akan solusi alternatif untuk mendukung diagnosis dini. Penelitian ini bertujuanKeterbatasan jumlah tenaga profesional kesehatan mental menunjukkan kebutuhan akan solusi alternatif untuk mendukung diagnosis dini. Penelitian ini bertujuan
AIRAAIRA System evaluation through simulation with dummy data demonstrated notable improvements, including a 40% reduction in reporting response time and a 95%System evaluation through simulation with dummy data demonstrated notable improvements, including a 40% reduction in reporting response time and a 95%