DIAGNOSIS KERUSAKAN PADA SISTEM REFRIGERASI MENGGUNAKAN SENSOR BIAYA RENDAH DAN KLASIFIKASI BERBASIS PEMBELAJARAN

Abstract

Sistem refrigerasi merupakan komponen penting dalam berbagai sektor seperti pendingin ruangan, transportasi makanan, dan sistem industri. Kinerja sistem ini sering menurun akibat berbagai jenis kerusakan seperti kebocoran refrigeran, penyumbatan ekspansi, atau penurunan performa kompresor. Penelitian ini mengusulkan metode diagnosis kerusakan berbasis sensor biaya rendah dan algoritma pembelajaran mesin (Machine Learning) untuk mendeteksi dan mengklasifikasikan jenis kesalahan secara real time. Data dikumpulkan menggunakan sensor suhu, tekanan, dan arus listrik yang terhubung dengan mikrokontroler ESP32. Data tersebut kemudian diolah menggunakan model Random Forest, Support Vector Machine (SVM), dan K-Nearest Neighbors (KNN) untuk membandingkan akurasi klasifikasi. Hasil penelitian menunjukkan bahwa sistem berbasis sensor murah mampu mencapai akurasi diagnosis hingga 95%dengan waktu respon cepat dan biaya implementasi yang rendah. Temuan ini berpotensi digunakan untuk sistem monitoring preventif di sistem pendingin rumah tangga dan industri kecil.