33 lines
2.1 KiB
TeX
33 lines
2.1 KiB
TeX
Alur keseluruhan penelitian ini dilakukan melalui tahapan-tahapan sebagai berikut:
|
|
|
|
\begin{figure}[H]
|
|
\centering
|
|
\includegraphics[width=0.3\linewidth]{chapters/img/flow.png}
|
|
\caption{Diagram alir tahapan penelitian}
|
|
\label{fig:flowchart}
|
|
\end{figure}
|
|
|
|
\begin{enumerate}
|
|
\item Akuisisi Data: Mengunduh dataset dari \textcite{abdeljaber2017} yang berisi sinyal percepatan untuk 31 kondisi struktur (1 kondisi sehat dan 30 kondisi kerusakan tunggal).
|
|
|
|
% \item Seleksi Sensor: Memilih sinyal dari sejumlah sensor terbatas pada garis vertikal tertentu (misalnya, node 1 dan 26) untuk mensimulasikan konfigurasi sensor yang direduksi.
|
|
|
|
\item Ekstraksi Fitur: Melakukan normalisasi dan mengubah sinyal domain waktu mentah menjadi domain waktu-frekuensi menggunakan metode Short-Time Fourier Transform (STFT).
|
|
|
|
\item \textit{Pre-processing} Fitur: Melakukan \textit{feature scaling} menggunakan normalisasi Min-Max pada setiap fitur untuk memastikan semua fitur berada dalam skala yang sama.
|
|
|
|
\item Reduksi Dimensi: Mengurangi dimensi fitur menggunakan metode Principal Component Analysis (PCA) untuk mengurangi kompleksitas komputasi dan menghilangkan fitur yang kurang informatif.
|
|
|
|
\item Pengembangan Model: Membangun dan melatih model \textit{baseline} SVM untuk mengklasifikasikan lokasi kerusakan struktur.
|
|
|
|
\item Optimasi \textit{Hyperparameter}: Melakukan pencarian \textit{hyperparameter} menggunakan \textit{coarse} dan \textit{fine grid-search} dengan validasi silang \textit{stratified K-Fold} untuk setiap model guna meningkatkan kinerja klasifikasi.
|
|
|
|
\item Evaluasi: Mengevaluasi kinerja model menggunakan metrik akurasi, presisi, dan \textit{confusion matrix} pada berbagai skenario pengujian. Evaluasi dilakukan dengan dua skema: (i) validasi silang K-Fold terstratifikasi pada setiap himpunan data, dan (ii) validasi silang antar-dataset (latih pada Dataset-A, uji pada Dataset-B, dan sebaliknya) untuk menilai kemampuan generalisasi lintas sumber data.
|
|
\end{enumerate}
|
|
|
|
\subsection{Akuisisi Data}
|
|
\input{chapters/id/03_methodology/steps/data_acquisition}
|
|
|
|
% \subsection{Prapemrosesan Data dan Ekstraksi Fitur}
|
|
|