Text

Implementasi Sistem Intelligent Fault Diagnosis dengan Algoritma LSTM-Autoencoder pada Water Level Plant Berbasis PLC dan SCADA

---

Sistem pengawasan industri berbasis SCADA umumnya mengandalkan alarm ambang batas statis yang tidak mampu mendeteksi anomali halus pada tahap awal gangguan, sementara pendekatan supervised learning konvensional memerlukan data berlabel fault yang sulit dikumpulkan di lingkungan operasi nyata. Pendekatan unsupervised berbasis LSTM-Autoencoder menjadi solusi relevan karena mampu mempelajari pola normal secara eksklusif dan mendeteksi penyimpangan tanpa memerlukan data fault pada fase pelatihan. Penelitian ini mengimplementasikan sistem Intelligent Fault Diagnosis berbasis LSTM-Autoencoder pada Water Level Plant multi-setpoint yang terintegrasi dengan kendali Feedforward-Feedback Fuzzy-PID dan infrastruktur OPC UA melalui KEPServerEX. Arsitektur sistem terdiri dari dua tahap: tahap 1 menggunakan LSTM-AE yang dilatih secara unsupervised untuk mendeteksi anomali melalui reconstruction error terhadap threshold 3-sigma (τ = 0,8312), dan tahap 2 menggunakan tiga metode lokalisasi paralel (Rule-Based, SVM, dan Random Forest) untuk mengklasifikasikan jenis fault. Evaluasi dilakukan pada enam setpoint (10-60 cm) dengan 11 fitur masukan terdiri dari 7 sensor dan 4 fitur turunan fisika. Model 11 fitur mencapai AUC = 1,0000 dan F1-Score = 0,9993 pada evaluasi onset-cut, dengan rasio separabilitas 66,91× dibandingkan 32,18× pada model 7 fitur. Pada pengujian real-time melalui 30 injeksi fault fisik, Rule-Based terbukti paling robust dengan akurasi lokalisasi 100% konsisten di seluruh setpoint, sementara SVM dan Random Forest mengalami degradasi hingga 63,2% pada SP60. Latensi komunikasi OPC UA (45,66 µs) dan FINS TCP (41,29 ms) keduanya jauh di bawah interval sampling 500 ms, membuktikan infrastruktur memenuhi syarat real-time untuk pipeline LSTM-AE.

Kata kunci: Intelligent Fault Diagnosis, LSTM-Autoencoder, Multi-Setpoint, OPC UA, SCADA

---

Ketersediaan

Informasi Detail

Judul Seri

-

No. Panggil

TA-2260067.1

Penerbit

Bandung : Polman., 2026

Deskripsi Fisik

137 hal. ; 27,5 cm

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

D4 Prodi Teknologi Rekayasa Otomasi

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar