Main Article Content

Abstract

Kerusakan motor induksi seringkali disebabkan oleh kenaikan suhu, getaran berlebih, dan arus yang tidak normal. Pemantauan ketiga parameter ini secara real-time menjadi langkah penting untuk mendukung perawatan prediktif dan menghindari downtime. Penelitian ini merancang dan mengimplementasikan sistem monitoring motor induksi berbasis Internet of Things (IoT) melalui jaringan Local Area Network (LAN). Sistem menggu-nakan NodeMCU ESP8266 sebagai pengendali utama dalam arsitektur komunikasi master-slave. Sensor suhu DS18B20, sensor getaran MPU6050, dan sensor arus SCT013-30A yang terhubung ke ADC ADS1115 digunakan untuk akuisisi data. Data disimpan pada database MySQL dan ditampilkan dalam bentuk grafik pada webserver lokal. Pengujian pada motor dalam kondisi baik mencatat suhu rata-rata 39,38°C, getaran 1,65 mm/s, dan arus 0,40A, seluruhnya masih di bawah ambang batas. Pada motor yang terindikasi kerusakan, suhu masih dalam kisaran normal, namun getaran meningkat hingga 5,15 mm/s dan arus turun menjadi 0,15 A, yang menunjukkan adanya gangguan mekanis. Sistem ini berhasil mengidentifikasi perbedaan ini dan menampilkan status motor secara real-time berdasarkan ambang batas yang mengacu pada ISO 10816 untuk getaran, spesifikasi pabrikan untuk suhu, dan arus nominal dari nameplate motor.

Keywords

Monitoring Motor Induksi Suhu Getaran Arus

Article Details

How to Cite
Yusro, I. (2025). Desain Sistem Monitoring Gangguan Motor Induksi Berdasarkan Nilai Suhu, Getaran, dan Konsumsi Arus. Jurnal Profesi Insinyur Universitas Lampung, 6(2). https://doi.org/10.23960/jpi.v6n2.213

References

  1. C. Harahap, D. Despa, and L. Afriani, “Pengendalian Kecepatan Motor Induksi Dengan Cycloconverter Menggunakan Vector Control Dengan Filter Hybrid,” J. Profesi Ins. Univ. Lampung, vol. 5, no. 2, pp. 7–15, 2024, doi: 10.23960/jpi.v5n2.132.
  2. F. Z. DEKHANDJI, S. E. HALLEDJ, and O. ZABOUB, “Predictive Maintenance Applied to Three phase Induction Motors,” Alger. J. Signals Syst., vol. 4, no. 2, pp. 71–88, 2019, doi: 10.51485/ajss.v4i2.84.
  3. A. A. Amin, T. Alsuwian, A. Shahid, and S. Waseem, “Health index degradation prediction of induction motor using deep neural network algorithm,” Results Eng., vol. 25, no. December 2024, p. 104357, 2025, doi: 10.1016/j.rineng.2025.104357.
  4. M. P. Darmawan and N. S. Soedjarwanto, “Analisis Identifikasi Kecacatan Bearing Motor Induksi Berdasarkan Arus Stator Dan Torsi Pada Rpm Berbasis Fast Fourier Transform,” J. Inform. dan Tek. Elektro Terap., vol. 11, no. 3, pp. 303–310, 2023, doi: 10.23960/jitet.v11i3.3071.
  5. K. Abdillah, H. Situmorang, and R. R. Siregar, “Monitoring Pembacaan Timer Dan Suhu Motor Pada Centrifuge Berbasis Arduino At Mega16,” J. Mutiara Elektromedik, vol. 7, no. 1, pp. 13–19, 2023, doi: 10.51544/elektromedik.v1i2.4497.
  6. A. Sulthoni and B. Suprianto, “Rancang Bangun Sistem Pendeteksi Vibrasi pada Motor Sebagai Indikator PengamanTterhadap Perubahan Beban Menggunakan Sensor Accelerometer GY-521 MPU 6050 Berbasis Arduino Uno,” J. Tek. Elektro, vol. 7, no. 3, pp. 147–155, 2018, [Online]. Available: https://jurnalmahasiswa.unesa.ac.id/index.php/JTE/article/view/25095
  7. F. Sihombing, L. Siregar, and A. N. Sibarani, “Studi Analisis Perubahan Putaran Motor Induksi 1 Fasa Akibat Output PLTS Aplikasi Kipas Angin,” J. ELPOTECS, vol. 3, no. 2, pp. 7–14, 2020.
  8. A. Iqbal, S. Moinoddin, and B. P. Reddy, Electrical Machine Fundamentals with Numerical Simulation using MATLAB/SIMULINK, no. August. India, 2021.
  9. Z. Zou, S. Liu, and J. Kang, “Degradation Mechanism and Online Electrical Monitoring Techniques of Stator Winding Insulation in Inverter-Fed Machines: A Review,” World Electr. Veh. J., vol. 15, no. 10, 2024, doi: 10.3390/wevj15100444.
  10. Y. Merizalde, L. Hernández-Callejo, and O. Duque-Perez, “State of the art and trends in the monitoring, detection and diagnosis of failures in electric induction motors,” Energies, vol. 10, no. 7, 2017, doi: 10.3390/en10071056.
  11. K. Shukla, S. Nefti-Meziani, and S. Davis, “A heuristic approach on predictive maintenance techniques: Limitations and scope,” Adv. Mech. Eng., vol. 14, no. 6, pp. 1–14, 2022.
  12. S. Bansode et al., “IoT Based Smart Home Utility Prototypes : Design and Analysis,” 2021.
  13. P. Wijaya and T. Wellem, “Perancangan dan Implementasi Sistem Pemantauan Suhu dan Ketinggian Air pada Akuarium Ikan Hias berbasis IoT,” J. Sist. Komput. dan Inform., vol. 4, no. 1, p. 225, 2022.
  14. I. N. Farikha, Hafidudin, and D. nur Ramadan, “Land Disaster Detector Prototype Using Accelerometer and Gyroscope Sensor With The Concept Of Internet Of Things (IoT),” e-Proceeding Appl. Sci., vol. 6, no. 2, pp. 2442–2457, 2020.
  15. A. A. Rafiq, W. N. Rohman, and S. D. Riyanto, “Development of a simple and low-cost smartphone gimbal with MPU-6050 sensor,” J. Robot. Control, vol. 1, no. 4, pp. 136–140, 2020.
  16. B. C. A. Aldana and A. E. F. Montenegro, “A Low-Cost Wireless Sensor System for Power Quality Management in Single-Phase Domestic Networks,” Int. J. Adv. Comput. Sci. Appl., vol. 14, no. 8, pp. 1025–1036, 2023.
  17. A. Akmal, A. Hamzah1, and O. A. Hassan, “IoT-Based Electrical Distribution Box Power Monitoring System Using Raspberry PI,” vol. 5, no. 2, pp. 63–76, 2024.
  18. A. Wibowo, I. G. B. Jayendra, D. Y. Utari, M. Rasyiid, and R. A. Aprilianto, “Design of ACS712-based Current Sensing Monitoring Evaluation for PWM Solar Charge Controller,” Sainteknol J. Sains dan Teknol., vol. 22, no. 2, pp. 80–91, 2024.
  19. Jonshon Tarigan, Albert Zicko Johannes, Martelda Natbais, and Ari Bangkit Sanjaya Umbu, “Rancang Bangun Alat Pemantau Dan Kontrol Kondisi Ruangan Green House Untuk Budidaya Tanaman Stroberi Berbasis Internet Of Things (IoT),” J. Elektro dan Mesin Terap., vol. 9, no. 1, pp. 22–32, 2023.
  20. M. Sholeh, A. Bachri, and A. B. Laksono, “Rancang Bangun Sistem Kontrol Dan Sistem Proteksi Motor Lisrik Terhadap Panas (Over Heating) Serta Peringatan Dini Terhadap Gangguan Tegangan Dan Arus Berbasis Atmega 328,” J. Tek., vol. 10, no. 1, p. 1015, 2018.
  21. M. M. Raikar, S. Kulkarni, O. S. Police Patil, K. Halingali, and A. Darshan, “Remote motor condition monitoring using IoT and Machine Learning: A predictive approach,” Procedia Comput. Sci., vol. 259, pp. 1096–1105, 2025, doi: 10.1016/j.procs.2025.04.063.