Melola Discovery

← Melola Discovery

Jurnal SINTA 2

SIMPLE EXPERT VISION SYSTEM FOR RECOGNITION OF BEARING'S DEFECTS

Jurnal Ilmu Komputer dan Informasi (JIKI) · Vol. 5 No. 2 (2012) · hlm. 57–62

DOI
10.21609/jiki.v5i2.188
ISSN
2502-9274, 2088-7051
Terbit
2012-07-29
Penerbit
Faculty of Computer Science - Universitas Indonesia
Bahasa
eng

Abstrak

Defects on a bearing is usually determined by observing its vibration characteristics. This method unfortunately can not detect the visual defects on the inner and outer ring bearing surface. A pattern recognition is implemented in this paper to solve the problem. A backpropagation neural network architecture is used to recognize the visual defect pattern. This architecture is integrated in a digital image processing chain. Recognition rate of good bearing is obtained at 92.93 %, meanwhile for defected bearing is obtained at 75 % respectively. This rate shows integrated artificial neural network with digital image processing can be implemented to detect the presence of visual bearing defect. Cacat pada bearing biasanya ditentukan dengan mengamati karakteristik getaran. Metode ini sayangnya tidak dapat mendeteksi kecacatan visual pada permukaan dalam dan luar cincin bearing. Sebuah pengenalan pola diimplementasikan dalam paper ini untuk memecahkan masalah tersebut. Sebuah arsitektur jaringan saraf backpropagation digunakan untuk mengenali pola kecacatan visual. Arsitektur yang diusulkan ini terintegrasi dalam sebuah alir pengolahan citra digital. Tingkat pengenalan bearing yang baik adalah 92.93%, sedangkan untuk bantalan yang cacat adalah 75%. Angka ini menunjukkan integrasi jaringan syaraf tiruan dengan pengolahan citra digital dapat diterapkan untuk mendeteksi kecacatan visual pada bearing.

Kata kunci

Jaringan kolaborasi para penulis

4 penulis · 4 tautan kepenulisan bersama

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • Institut Teknologi Sepuluh Nopember
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Institut Teknologi Sepuluh NopemberInstitut Teknologi Sepuluh Nopember1
Syakir Almas AmrullahInstitut Teknologi Sepuluh Nopember1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://jiki.cs.ui.ac.id/index.php/jiki/oai, pertama di-harvest 26 Okt 2026, terakhir terlihat 15 Nov 2026.
Metadata asli (oai_dc)
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en-US">SIMPLE EXPERT VISION SYSTEM FOR RECOGNITION OF BEARING'S DEFECTS</dc:title>
	<dc:creator>K. Herdianta, Agustian</dc:creator>
	<dc:creator>Nasution, Aulia M.T.</dc:creator>
	<dc:subject xml:lang="en-US">backpropagation</dc:subject>
	<dc:subject xml:lang="en-US">bearing</dc:subject>
	<dc:subject xml:lang="en-US">kecacatan visual</dc:subject>
	<dc:subject xml:lang="en-US">visual defect</dc:subject>
	<dc:description xml:lang="en-US">Defects on a bearing is usually determined by observing its vibration characteristics. This  method unfortunately can not detect the visual defects on the inner and outer ring bearing surface. A pattern recognition is implemented in this paper to solve the problem. A backpropagation neural network architecture is used to recognize the visual defect pattern. This architecture is integrated in a digital image processing chain. Recognition rate of good bearing is obtained at 92.93 %, meanwhile for defected bearing is obtained at  75 % respectively. This rate shows integrated artificial neural network with digital image processing can be implemented to detect the presence of visual bearing defect.

Cacat pada bearing biasanya ditentukan dengan mengamati karakteristik getaran. Metode ini sayangnya tidak dapat mendeteksi kecacatan visual pada permukaan dalam dan luar cincin bearing. Sebuah pengenalan pola diimplementasikan dalam paper ini untuk memecahkan masalah tersebut. Sebuah arsitektur jaringan saraf backpropagation digunakan untuk mengenali pola kecacatan visual. Arsitektur yang diusulkan ini terintegrasi dalam sebuah alir pengolahan citra digital. Tingkat pengenalan bearing yang baik adalah 92.93%, sedangkan untuk bantalan yang cacat adalah 75%. Angka ini menunjukkan integrasi jaringan syaraf tiruan dengan pengolahan citra digital dapat diterapkan untuk mendeteksi kecacatan visual pada bearing.</dc:description>
	<dc:publisher xml:lang="en-US">Faculty of Computer Science  - Universitas Indonesia</dc:publisher>
	<dc:date>2012-07-29</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://jiki.cs.ui.ac.id/index.php/jiki/article/view/188</dc:identifier>
	<dc:identifier>10.21609/jiki.v5i2.188</dc:identifier>
	<dc:source xml:lang="en-US">Jurnal Ilmu Komputer dan Informasi; Vol. 5 No. 2 (2012): Jurnal Ilmu Komputer dan Informasi (Journal of Computer Science and Information); 57-62</dc:source>
	<dc:source>2502-9274</dc:source>
	<dc:source>2088-7051</dc:source>
	<dc:source>10.21609/jiki.v5i2</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://jiki.cs.ui.ac.id/index.php/jiki/article/view/188/288</dc:relation>
</oai_dc:dc>