Perangkat elektronik dapat menghasilkan emisi yang tidak diinginkan, baik
radiated maupun conducted. Beberapa teknik yang telah digunakan untuk
mengurangi emisi diantaranya filter, shielding, modifikasi switching, dan
perancangan converter. Salah satu cara untuk mengetahui emisi tersebut adalah
prediksi emisi yang memiliki kelebihan dapat mengurangi biaya pengembangan
dan waktu. Pada penelitian ini dilakukan prediksi level daya EMI conducted
emission yang ditimbulkan oleh LED driver menggunakan beberapa sinyal
pemodulasi periodik (sinyal sinus, sinyal segitiga, dan dan sinyal kotak) dan sinyal
pemodulasi non periodik (sinyal noise) dengan frekuensi dari 150 KHz - 30MHz
dan amplitudo 0 – 1,2 V. Karakteristik dan EMI conducted emission yang didapat
digunakan sebagai data training pada machine learning. Dengan menggunakan
machine learning dapat mengetahui seberapa akurat level daya EMI conducted
emission yang diprediksi algoritma SVM (Support Vector Machine). Machine
learning akan menampilkan hasil dari perbandingan antara data training dan data
testing untuk mengetahui keakurasian level daya EMI conducted emission yang
dihasilkan LED driver. Dari data tersebutlah hasil prediksi didapatkan, dimana pada
algoritma SVM (Support Vector Machine) hasil akurasi yang didapat pada sinyal
periodik (sinyal sinus memiliki rata-rata 97,257%, sinyal segitiga memiliki ratarata 95,262%, dan sinyal kotak memiliki rata-rata 92,02%) dan sinyal non periodik
(sinyal noise memiliki rata-rata 91,022%).
Kata kunci : Conducted Emmision, Machine Learning, Algoritma Support Vector
Machine (SVM)