cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Dina Angela
Contact Email
dina_angela@ithb.ac.id
Phone
-
Journal Mail Official
jurnaltelematika@ithb.ac.id
Editorial Address
Jl. Dipati Ukur no. 80-84, Kel. Coblong, Kec. Lebak Gede, Bandung, 40132
Location
Kota bandung,
Jawa barat
INDONESIA
Jurnal Telematika
Published by Institut Teknologi Harapan Bangsa
ISSN : 18582516     EISSN : 25793772     DOI : https://doi.org/10.61769/telematika
Core Subject : Science, Engineering,
Computer Science & IT Electrical & Electronics Engineering
Jurnal Telematika is a scientific periodical written in Indonesian language published by Institut Teknologi Harapan Bangsa twice per year. Jurnal Telematika publishes scientific papers from researchers, academics, activist, and practicioners, which are results from scientific study and research in the field of telematics and information technology.
Arjuna Subject : -
Articles 241 Documents
 21   22   23   24   25 
Klasifikasi Terawasi Anomali Suara Kipas Industri Menggunakan Jaringan Saraf Tiruan dan Fitur Akustik Rekayasa Thenata, Angelina Pramana; ., Ranny; Hakim, Bhustomy; Kaunang, Fergie Joanda
Jurnal Telematika Vol. 20 No. 1 (2025)
Publisher : Yayasan Petra Harapan Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61769/telematika.v20i1.772

Abstract

Penelitian ini menggunakan pendekatan supervised learning berbasis jaringan saraf untuk deteksi anomali pada sistem kipas industry. Dengan subset data FAN dari MIMII (malfunctioning industrial machine investigation and inspection) dataset dengan 530 rekaman berlabel (383 normal dan 147 abnormal), penelitian ini mengekstraksi fitur akustik yang meliputi mel-frequency cepstral coefficients (MFCC), spectral descriptor (centroid, roll off), serta temporal measures (zero-crossing rate, autocorrelation). Uji statistik univariat menunjukkan sejumlah koefisien MFCC dan fitur domain waktu berbeda signifikan antar kelas (p < 0,05). Model jaringan saraf feed-forward dengan dua lapisan tersembunyi berukuran 64 unit (aktivasi ReLU) dan regularisasi dropout dilatih menggunakan stratified cross validation dengan 5-fold sehingga menghasilkan nilai F1 rata-rata sebesar 89,9%. Penggunaan beberapa nilai ambang (τ ∈ {0,3–0,7}) menegaskan kekokohan model yang terlihat pada hasil data uji dengan nilai ambang terpilih adalah τ = 0,5 yang mencapai precision sebesar 100%, recall = 93,10%, F1 = 96,43%, dan akurasi = 98,11% (hasil identik diperoleh pada τ = 0,6–0,7; sementara τ = 0,3 memberikan recall lebih tinggi). Model juga menghasilkan nilai AUC-ROC sebesar 0,9978 yang mendekati ideal dan menunjukkan daya diskriminasi lintas-ambang yang sangat baik. Temuan ini memperlihatkan bahwa penggabungan fitur akustik yang dapat diinterpretasikan dengan pengklasifikasi saraf yang ringkas memungkinkan deteksi anomali non-invasif yang akurat untuk penerapan Industri 4.0 dengan kebutuhan perangkat keras minimal.

Page 25 of 25 | Total Record : 241

 21   22   23   24   25 

Filter by Year

2009 2025


Reset
Filter By Issues
All Issue Vol. 20 No. 1 (2025) Vol. 19 No. 2 (2024) Vol. 19 No. 1 (2024) Vol. 18 No. 2 (2023) Vol. 18 No. 1 (2023) Vol. 17 No. 2 (2022) Vol. 17 No. 1 (2022) Vol. 16 No. 2 (2021) Vol. 16 No. 1 (2021) Vol. 15 No. 2 (2020) Vol. 15 No. 1 (2020) Vol. 14 No. 2 (2019) Vol. 14 No. 1 (2019) 2018: Industrial Engineering Seminar and Call for Paper (IESC) 2018 Vol. 13 No. 2 (2018) Vol. 13 No. 1 (2018) Vol. 12 No. 2 (2017) Vol. 12 No. 1 (2017) Vol. 11 No. 2 (2016) Vol. 11 No. 1 (2016) Vol. 10 No. 2 (2015) Vol. 10 No. 1 (2015) Vol. 9 No. 2 (2014) Vol. 9 No. 1 (2014) Vol. 8 No. 2 (2013) Vol. 8 No. 1 (2013) Vol. 7 No. 2 (2011) Vol. 7 No. 1 (2011) Vol. 6 No. 1 (2010) Vol. 5 No. 1 (2009) More Issue