nuluh/thesis
1
0
Fork 0
Code Issues 47 Pull Requests Actions Packages Projects Releases 1 Wiki Activity

[DOC] Initial Discussion for Methodology #63

New Issue
Open
opened 2025-05-14 07:31:41 +00:00 by nuluh · 17 comments
nuluh commented 2025-05-14 07:31:41 +00:00 (Migrated from github.com)
Copy Link

Documentation Type

Thesis Chapter/Section

Description

Current State

No response

Proposed Changes

  1. Bahan atau Materi
\section{Bahan dan Materi}

Penelitian ini menggunakan data sekunder dari Abdeljaber et al. (2017), yang tersedia secara publik dan diperoleh melalui eksperimen menggunakan \textit{Queen's University Grandstand Simulator}. Adapun rincian data yang digunakan adalah sebagai berikut:

\begin{itemize}
    \item Dataset terdiri atas rekaman respons getaran dari struktur rangka baja berukuran $6 \times 5$ yang dilengkapi dengan 30 akselerometer.
    \item Setiap skenario dalam dataset mencakup satu kasus struktur tanpa kerusakan (healthy) dan 30 kasus kerusakan tunggal pada masing-masing sambungan (\textit{single-joint damage}).
    \item Sinyal getaran direkam dengan frekuensi pengambilan sampel sebesar 1024 Hz selama durasi 256 detik untuk tiap skenario.
    \item Kerusakan struktur disimulasikan dengan cara mengendurkan baut pada sambungan-sambungan tertentu.
\end{itemize}
  1. Alat
\section{Alat}

Berikut merupakan perangkat lunak yang digunakan selama proses penelitian ini:

\begin{itemize}
    \item \textbf{Python 3.11} – digunakan untuk proses pra-pemrosesan data, pemodelan, dan evaluasi.
    \item \textbf{NumPy, SciPy, dan Pandas} – digunakan untuk manipulasi sinyal dan perhitungan numerik.
    \item \textbf{Matplotlib} – digunakan untuk menghasilkan spektrum STFT (Short-Time Fourier Transform).
    \item \textbf{PyTorch 2.3} – digunakan untuk membangun dan melatih model dengan algoritma pemelajaran mesin klasik.
    \item \textbf{Google Colab / Komputer Lokal} – digunakan untuk pelatihan model dan percobaan eksperimental.
\end{itemize}
  1. Tempat dan Waktu Penelitian
  2. Tahapan Penelitian
\section{Langkah-Langkah Penelitian}
Alur keseluruhan penelitian ini dilakukan melalui tahapan-tahapan sebagai berikut:

\begin{enumerate}
    \item \textbf{Akuisisi Data:} Mengunduh dataset dari Abdeljaber et al. yang berisi sinyal percepatan untuk 31 kondisi struktur (1 kondisi sehat dan 30 kondisi kerusakan tunggal).
    
    \item \textbf{Seleksi Sensor:} Memilih sinyal dari sejumlah sensor terbatas pada garis vertikal tertentu (misalnya, node 1 dan 26) untuk mensimulasikan konfigurasi sensor yang direduksi.

    \item \textbf{Pra-pemrosesan:} Melakukan normalisasi dan mengubah sinyal domain waktu mentah menjadi domain waktu-frekuensi menggunakan metode Short-Time Fourier Transform (STFT).

    \item \textbf{Ekstraksi Fitur:} Menghasilkan \textit{data frame} frekuensi dalam domain waktu.

    \item \textbf{Pengembangan Model:} Membangun dan melatih model klasifikasi berbasis algoritma pemelajaran mesin klasik (SVM, LDA, Bagged Trees, Random Forest, XGBoost) untuk mengklasifikasikan lokasi kerusakan struktur.

    \item \textbf{Evaluasi:} Mengevaluasi kinerja model menggunakan metrik akurasi, presisi, dan confusion matrix pada berbagai skenario pengujian.
\end{enumerate}
  1. Analisis Data
\section{Data Analysis}

The processed data were analyzed using classification metrics. The trained model's output was evaluated based on the ability to correctly identify damaged vs. undamaged scenarios. The main metrics used were:

\begin{itemize}
  \item \textbf{Accuracy:} Overall correct predictions across all classes.
  \item \textbf{Confusion Matrix:} To visualize classification performance across damage cases.
  \item \textbf{Precision and Recall:} For measuring the model's performance in detecting damage cases specifically.
\end{itemize}

Additionally, experiments were repeated for varying numbers of sensors to simulate reduced-sensor configurations, analyzing how model performance changed with less input data.

Documentation Location

latex/chapters/03_methodology.tex

Priority

Critical (required for thesis)

Target Audience

Thesis Committee/Reviewers

References

No response

Additional Notes

No response

### Documentation Type Thesis Chapter/Section ### Description - ### Current State _No response_ ### Proposed Changes 1. Bahan atau Materi ```tex \section{Bahan dan Materi} Penelitian ini menggunakan data sekunder dari Abdeljaber et al. (2017), yang tersedia secara publik dan diperoleh melalui eksperimen menggunakan \textit{Queen's University Grandstand Simulator}. Adapun rincian data yang digunakan adalah sebagai berikut: \begin{itemize} \item Dataset terdiri atas rekaman respons getaran dari struktur rangka baja berukuran $6 \times 5$ yang dilengkapi dengan 30 akselerometer. \item Setiap skenario dalam dataset mencakup satu kasus struktur tanpa kerusakan (healthy) dan 30 kasus kerusakan tunggal pada masing-masing sambungan (\textit{single-joint damage}). \item Sinyal getaran direkam dengan frekuensi pengambilan sampel sebesar 1024 Hz selama durasi 256 detik untuk tiap skenario. \item Kerusakan struktur disimulasikan dengan cara mengendurkan baut pada sambungan-sambungan tertentu. \end{itemize} ``` 2. Alat ```tex \section{Alat} Berikut merupakan perangkat lunak yang digunakan selama proses penelitian ini: \begin{itemize} \item \textbf{Python 3.11} – digunakan untuk proses pra-pemrosesan data, pemodelan, dan evaluasi. \item \textbf{NumPy, SciPy, dan Pandas} – digunakan untuk manipulasi sinyal dan perhitungan numerik. \item \textbf{Matplotlib} – digunakan untuk menghasilkan spektrum STFT (Short-Time Fourier Transform). \item \textbf{PyTorch 2.3} – digunakan untuk membangun dan melatih model dengan algoritma pemelajaran mesin klasik. \item \textbf{Google Colab / Komputer Lokal} – digunakan untuk pelatihan model dan percobaan eksperimental. \end{itemize} ``` 3. Tempat dan Waktu Penelitian 4. Tahapan Penelitian ```tex \section{Langkah-Langkah Penelitian} Alur keseluruhan penelitian ini dilakukan melalui tahapan-tahapan sebagai berikut: \begin{enumerate} \item \textbf{Akuisisi Data:} Mengunduh dataset dari Abdeljaber et al. yang berisi sinyal percepatan untuk 31 kondisi struktur (1 kondisi sehat dan 30 kondisi kerusakan tunggal). \item \textbf{Seleksi Sensor:} Memilih sinyal dari sejumlah sensor terbatas pada garis vertikal tertentu (misalnya, node 1 dan 26) untuk mensimulasikan konfigurasi sensor yang direduksi. \item \textbf{Pra-pemrosesan:} Melakukan normalisasi dan mengubah sinyal domain waktu mentah menjadi domain waktu-frekuensi menggunakan metode Short-Time Fourier Transform (STFT). \item \textbf{Ekstraksi Fitur:} Menghasilkan \textit{data frame} frekuensi dalam domain waktu. \item \textbf{Pengembangan Model:} Membangun dan melatih model klasifikasi berbasis algoritma pemelajaran mesin klasik (SVM, LDA, Bagged Trees, Random Forest, XGBoost) untuk mengklasifikasikan lokasi kerusakan struktur. \item \textbf{Evaluasi:} Mengevaluasi kinerja model menggunakan metrik akurasi, presisi, dan confusion matrix pada berbagai skenario pengujian. \end{enumerate} ``` 5. Analisis Data ```tex \section{Data Analysis} The processed data were analyzed using classification metrics. The trained model's output was evaluated based on the ability to correctly identify damaged vs. undamaged scenarios. The main metrics used were: \begin{itemize} \item \textbf{Accuracy:} Overall correct predictions across all classes. \item \textbf{Confusion Matrix:} To visualize classification performance across damage cases. \item \textbf{Precision and Recall:} For measuring the model's performance in detecting damage cases specifically. \end{itemize} Additionally, experiments were repeated for varying numbers of sensors to simulate reduced-sensor configurations, analyzing how model performance changed with less input data. ``` ### Documentation Location latex/chapters/03_methodology.tex ### Priority Critical (required for thesis) ### Target Audience Thesis Committee/Reviewers ### References _No response_ ### Additional Notes _No response_
nuluh commented 2025-05-14 07:32:04 +00:00 (Migrated from github.com)
Copy Link

Tempat dan waktu penelitian digabung dengan Tahapan Penelitian

Tempat dan waktu penelitian digabung dengan Tahapan Penelitian
nuluh commented 2025-05-14 07:32:54 +00:00 (Migrated from github.com)
Copy Link

Tahapan Penelitian dibagi menjadi dua:

  1. Pengambilan Data
  2. Pengolahan Data yang penulis lakukan. (persiapkan juga untuk pengolahan data yang dilakukan penelitian terkait)
Tahapan Penelitian dibagi menjadi dua: 1. Pengambilan Data 2. Pengolahan Data yang penulis lakukan. (persiapkan juga untuk pengolahan data yang dilakukan penelitian terkait)
nuluh commented 2025-05-14 07:35:20 +00:00 (Migrated from github.com)
Copy Link

"persiapkan juga untuk pengolahan data yang dilakukan penelitian terkait" should be included in #60

"persiapkan juga untuk pengolahan data yang dilakukan penelitian terkait" should be included in #60
meowndor commented 2025-05-15 09:04:36 +00:00 (Migrated from github.com)
Copy Link
\section{Research Steps}
The overall research flow is described in the following stages:

\begin{enumerate}
  \item \textbf{Data Acquisition:} Downloaded the Abdeljaber et al. dataset containing acceleration signals for 31 structural cases (healthy + 30 damage cases).
  \item \textbf{Sensor Selection:} Selected a limited number of sensor signals from specific vertical lines (e.g., joints 1 and 26) to emulate reduced sensor configurations.
  \item \textbf{Preprocessing:} Applied normalization and converted raw time-domain signals into time-frequency domain using Short-Time Fourier Transform (STFT).
  \item \textbf{Feature Extraction:} Generated spectrogram images as inputs to the CNN model.
  \item \textbf{Model Development:} Built and trained a 1D CNN or CNN-based classifier to classify structural condition.
  \item \textbf{Evaluation:} Assessed model performance using accuracy, precision, and confusion matrix across multiple testing scenarios.
\end{enumerate}
```tex \section{Research Steps} The overall research flow is described in the following stages: \begin{enumerate} \item \textbf{Data Acquisition:} Downloaded the Abdeljaber et al. dataset containing acceleration signals for 31 structural cases (healthy + 30 damage cases). \item \textbf{Sensor Selection:} Selected a limited number of sensor signals from specific vertical lines (e.g., joints 1 and 26) to emulate reduced sensor configurations. \item \textbf{Preprocessing:} Applied normalization and converted raw time-domain signals into time-frequency domain using Short-Time Fourier Transform (STFT). \item \textbf{Feature Extraction:} Generated spectrogram images as inputs to the CNN model. \item \textbf{Model Development:} Built and trained a 1D CNN or CNN-based classifier to classify structural condition. \item \textbf{Evaluation:} Assessed model performance using accuracy, precision, and confusion matrix across multiple testing scenarios. \end{enumerate} ```
meowndor commented 2025-05-15 09:21:00 +00:00 (Migrated from github.com)
Copy Link
  1. tambahkan gambar spesimen simulator pada bahan dan material
1. tambahkan gambar spesimen simulator pada bahan dan material 2.
meowndor commented 2025-05-15 09:21:52 +00:00 (Migrated from github.com)
Copy Link

Change section "Material" to "Specimen"

Change section "Material" to "Specimen"
meowndor commented 2025-05-15 09:22:43 +00:00 (Migrated from github.com)
Copy Link

akselerometer, shaker, dan DAQ masuk ke dalam bagian "alat"

akselerometer, shaker, dan DAQ masuk ke dalam bagian "alat"
meowndor commented 2025-05-15 09:23:19 +00:00 (Migrated from github.com)
Copy Link

diagram posisi kerusakan dimasukkan ke dalam section "benda uji" dan diperbesar

diagram posisi kerusakan dimasukkan ke dalam section "benda uji" dan diperbesar
meowndor commented 2025-05-15 09:25:13 +00:00 (Migrated from github.com)
Copy Link

detail file dan penamaan masuk lampiran

detail file dan penamaan masuk lampiran
meowndor commented 2025-05-15 09:25:50 +00:00 (Migrated from github.com)
Copy Link

sistem penamaan dijelaskan pada bagian detail "benda uji"

sistem penamaan dijelaskan pada bagian detail "benda uji"
meowndor commented 2025-05-15 09:28:12 +00:00 (Migrated from github.com)
Copy Link

bagian "alat" diganti dengan "alat dan perangkat lunak" dan dibuat subsection: alat, perangkat lunak

bagian "alat" diganti dengan "alat dan perangkat lunak" dan dibuat subsection: alat, perangkat lunak
meowndor commented 2025-05-15 09:32:59 +00:00 (Migrated from github.com)
Copy Link

item tahapan penelitian yang mmeiliki pembahasan banyak di detailkan dengan dibuat subsection baru

item tahapan penelitian yang mmeiliki pembahasan banyak di detailkan dengan dibuat subsection baru
meowndor commented 2025-05-15 09:33:22 +00:00 (Migrated from github.com)
Copy Link

tahapan pemrosesan dinotasikan dalam simbol

tahapan pemrosesan dinotasikan dalam simbol
meowndor commented 2025-05-15 09:42:05 +00:00 (Migrated from github.com)
Copy Link

penjelasan data dengan notasi dimasukkan ke dalam bagian "data analisis"

penjelasan data dengan notasi dimasukkan ke dalam bagian "data analisis"
meowndor commented 2025-05-15 09:42:48 +00:00 (Migrated from github.com)
Copy Link

tahapan penelitian dijelaskan secara umum, sedangkan "data analisis" lebih berfokus pada pengolahan data

tahapan penelitian dijelaskan secara umum, sedangkan "data analisis" lebih berfokus pada pengolahan data
meowndor commented 2025-05-15 09:44:38 +00:00 (Migrated from github.com)
Copy Link

tahapan produksi confusion matrix dijelaskan di analisis data

tahapan produksi confusion matrix dijelaskan di analisis data
meowndor commented 2025-05-16 06:57:54 +00:00 (Migrated from github.com)
Copy Link

Add steps flowchart:

flowchart TD
    Start([Mulai])-->A[Pengambilan Data<br/>Unduh dataset Abdeljaber et al.<br/>31 kasus] --> B[Pemilihan Sensor<br/>Pilih sinyal dari sensor terbatas<br/>misalnya joint 1 & 26]
    B --> C[Pra-pemrosesan<br/>Normalisasi & ubah sinyal domain waktu<br/>ke domain waktu-frekuensi dengan STFT]
    C --> D[Ekstraksi Fitur<br/>Hasilkan citra spektrogram]
    D --> E[Pembangunan Model<br/>Bangun & latih model dengan algoritma pemelajaran mesin klasik]
    E --> F[Evaluasi<br/>Nilai akurasi, presisi,<br/>dan confusion matrix] --> G([Selesai])
Add steps flowchart: ```mermaid flowchart TD Start([Mulai])-->A[Pengambilan Data<br/>Unduh dataset Abdeljaber et al.<br/>31 kasus] --> B[Pemilihan Sensor<br/>Pilih sinyal dari sensor terbatas<br/>misalnya joint 1 & 26] B --> C[Pra-pemrosesan<br/>Normalisasi & ubah sinyal domain waktu<br/>ke domain waktu-frekuensi dengan STFT] C --> D[Ekstraksi Fitur<br/>Hasilkan citra spektrogram] D --> E[Pembangunan Model<br/>Bangun & latih model dengan algoritma pemelajaran mesin klasik] E --> F[Evaluasi<br/>Nilai akurasi, presisi,<br/>dan confusion matrix] --> G([Selesai]) ```
Sign in to join this conversation.
No Branch/Tag Specified
Branches Tags
Labels
Clear labels
bug
Something isn't working
 critical
Block Progress
 documentation
Improvements or additions to documentation
 documentclass
Improvements or additions to LaTeX documentclass
 duplicate
This issue or pull request already exists
 enhancement
New feature or request
 good first issue
Good for newcomers
 help wanted
Extra attention is needed
 invalid
This doesn't seem right
 latex
Related to the writings
 question
Further information is requested
 wontfix
This will not be worked on
No Label documentation enhancement latex question
Milestone
No items
No Milestone
Projects
Clear projects
No project
Assignees
Clear assignees
nuluh
No Assignees
1 Participants
Notifications
Due Date
No due date set.
Dependencies

No dependencies set.

Reference: nuluh/thesis#63
Delete Branch "%!s()"

Deleting a branch is permanent. Although the deleted branch may continue to exist for a short time before it actually gets removed, it CANNOT be undone in most cases. Continue?