Prediksi aktivitas tukang las berdasarkan data sensor inertial measurement unit (imu) menggunakan metode support vector machine (svm)
Info Katalog
File Repositori
Penerbit : FTI - Usakti
Kota Terbit : Jakarta
Tahun Terbit : 2023
Pembimbing 1 : Binti Solihah
Subyek : Intelligent sensors
Kata Kunci : welders, activity monitoring, imu sensors, classification models, svm algorithms
Status Posting : Published
Status : Tidak Lengkap
File Repositori
| No. | Nama File | Hal. | Link |
|---|---|---|---|
| 1. | 2023_TA_SIF_064001600006_Halaman-Judul.pdf | ||
| 2. | 2023_TA_SIF_064001900039_Lembar_Pengesahan.pdf | ||
| 3. | 2023_TA_SIF_064001600006_Bab-1_Pendahuluan.pdf | ||
| 4. | 2023_TA_SIF_064001600006_Bab-2_Tinjauan-Pustaka.pdf |
|
|
| 5. | 2023_TA_SIF_064001600006_Bab-3_Metodologi-Penelitian.pdf |
|
|
| 6. | 2023_TA_SIF_064001600006_Bab-4_Analisis-dan-Pembahasan.pdf | 16 |
|
| 7. | 2023_TA_SIF_064001600006_Bab-5_-Kesimpulan.pdf | 1 |
|
| 8. | 2023_TA_SIF_064001600006_Daftar-Pustaka.pdf |
K Kebutuhan monitoring aktivitas tukang las meningkat pesat dalam industri manufaktur saat ini. Pemantauan aktivitas di tempat kerja dapat membantu untuk meningkatkan efisiensi operasi. Monitoring aktivitas tukang las merupakan hal yang penting untuk memastikan bahwa pekerjaan telah dilaksanakan dengan benar. Penelitian ini bertujuan untuk mengembangkan model klasifikasi aktivitas tukang las berdasarkan sensor IMU menggunakan algoritma SVM. Sensor IMU dipergunakan untuk mendeteksi kegiatan tukang las dengan memperoleh data akselerasi, kecepatan, dan orientasi. Algoritma SVM digunakan untuk membangun model klasifikasi aktivitas tukang las dengan menggabungkan data dari sensor IMU. Pengujian model dilakukan dengan melakukan validasi kinerja dengan metode cross-validation. Hasil validasi diharapkan bahwa model klasifikasi yang dikembangkan mampu mengklasifikasikan aktivitas tukang las dengan akurasi yang cukup tinggi. Hasil ini diharapkan bahwa penelitian ini berhasil mengembangkan model klasifikasi aktivitas tukang las yang dapat digunakan untuk memonitor aktivitas tukang las.
T The need to monitor the activity of welders is growing rapidly in today's manufacturing industry. Monitoring activity in the workplace can help improve operational efficiency. Monitoring the activity of the welders is important to ensure that the work has been performed properly. The aim of this research is to develop a model for classifying the activity of the welding machine based on the IMU sensor using the SVM algorithm. The IMU sensors are used to detect the welder's activity by obtaining data on acceleration, speed, and orientation. The SVM algorithms are used for building a model of classification of the activities of welding machines by combining data from the IMU sensor. The model testing is carried out by performing performance validation with cross-validation methods. The validation results indicate that the classification model developed can classify the activity of the welders with high accuracy. The results are expected to show that this study has successfully developed a model of classification of the activity of the welders that can be used to monitor the activity.
Info Koleksi Skripsi
Universitas
Fakultas
- FH (1593)
- FEB (6939)
- FK (2102)
- FKG (3253)
- FTSP (1110)
- FTI (2777)
- FTKE (2419)
- FALTL (1975)
- FSRD (709)