perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
PREDIKSI EFISIENSI MESIN DENGAN KECERDASAN
BUATAN
SKRIPSI
Diajukan sebagai salah satu syarat untuk memperoleh gelar
Sarjana Teknik
Oleh: MAD YANDI NIM. I 0408048
JURUSAN TEKNIK MESIN FAKULTAS TEKNIK
UNIVERSITAS SEBELAS MARET
SURAKARTA
2014
perpustakaan.uns.ac.id digilib.uns.ac.id
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user iii
PREDIKSI EFISIENSI MESIN DENGAN KECERDASAN BUATAN
Disusun oleh :
Mad Yandi NIM. I0408048
Dosen Pembimbing I
Prof. Muhammad Nizam ST., MT., Ph.D NIP. 197007201999031001
Dosen Pembimbing II
Ubaidillah, ST., M.Sc NIP. 198408252010121004
Telah dipertahankan dihadapan Tim Dosen Penguji pada hari Jum’at tanggal 24 Januari 2014 1. D. Danardono, ST., MT., Ph.D NIP. 196905141999031001 ... 2. Wibowo, ST., MT. NIP. 196904251998021001 ... Mengetahui, Ketua Jurusan Teknik Mesin
Didik Djoko Susilo, ST., MT. NIP. 197203131997021001
Koordinator Tugas Akhir
Wahyu Purwo Raharjo, ST., MT. NIP. 197202292000121001
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
v
PERSEMBAHAN
Dengan segala kerendahan hati seraya mengucapkan syukur kehadirat Illahi, kupersembahkan tulisan ini kepada:
1. Allah SWT, Pemilik segala keagungan, kemuliaan, kekuatan dan keperkasaan. Segala yang kualami adalah kehendak-Mu, semua yang kuhadapi adalah kemauan-Mu, segala puji hanya bagi-Mu, ya Allah, Pengatur alam semesta, tempat bergantung segala sesuatu, tempatku memohon pertolongan.
2. Junjungan Nabi besar Muhammad SAW, Manusia terbaik di muka bumi, uswatun hasanah, penyempurna akhlak, sholawat serta salam semoga selalu tercurah padanya, keluarga, sahabat dan pengikutnya yang istiqomah sampai akhir zaman.
3. Kasih sayang dan cinta yang tak pernah putus dari Bapak, Ibu, Adik-adikku serta keluarga tercinta. Kasih sayang kalian tak akan pernah kulupakan sepanjang hidupku.
4. Bapak Muhammad Nizam dan Bapak Ubaidillah yang tak pernah lelah untuk membimbing tugas akhir saya.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user viii
KATA PENGANTAR
Segala puji dan syukur kehadirat Allah SWT yang telah memberikan rahmat serta hidayah kepada penulis sehingga mampu melaksanakan dan menyelesaikan skripsi dengan judul “Prediksi Efisiensi Mesin Dengan Kecerdasan Buatan” dengan baik.
Skripsi ini disusun guna memenuhi persyaratan untuk memperoleh gelar Sarjana Teknik di jurusan Teknik Mesin Fakultas Teknik Universitas Sebelas Maret Surakarta.
Dalam mengerjakan skripsi ini tidaklah mungkin dapat terselesaikan tanpa bantuan dari berbagai pihak, baik secara langsung maupun tidak langsung. Oleh karena itu pada kesempatan ini penulis ingin menyampaikan banyak terima kasih kepada semua pihak atas segala bantuan dan perhatian selama penulis menyelesaikan skripsi ini. Untuk itu penulis mengucapkan terima kasih yang sebesar-besarnya kepada:
1. Bapak Prof. Muhammad Nizam, ST., MT., Ph.D selaku Dosen pembimbing I yang senantiasa memberikan nasehat, arahan dan bimbingan dalam menyelesaikan skripsi ini.
2. Bapak Ubaidillah, ST.,M.Sc selaku Dosen Pembimbing II yang turut serta memberikan motivasi, arahan dan bimbingan dalam menyelesaikan skripsi ini. 3. Bapak D. Danardono, ST., MT., Ph.D dan Bapak Wibowo ST.,MT selaku
dosen penguji tugas akhir saya yang telah memberi saran yang membangun. 4. Bapak Prof. Muhammad Nizam, ST., MT., Ph.D selaku Pembimbing
Akademis yang telah berperan sebagai orang tua penulis dalam menyelesaikan studi di Universitas Sebelas Maret ini.
5. Bapak Didik Djoko Susilo, ST., MT. selaku ketua Jurusan Teknik Mesin Fakultas Teknik Universitas Sebelas Maret.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user ix
7. Seluruh staf dosen Jurusan Teknik Mesin Fakultas Teknik Universitas Sebelas Maret yang telah turut serta mendidik penulis hingga menyelesaikan studi S1. 8. Seluruh staf karyawan administrasi Jurusan Teknik Mesin Fakultas Teknik
Universitas Sebelas Maret yang telah memberikan kemudahan dalam hal administrasi.
9. Ayah, Ibu dan adik-adikku atas do’a restu, nasihat, motivasi, dukungan material dan spiritual dalam menyelesaikan skripsi.
10. Rekan-rekan seperjuangan di Cosinus 08, kakak tingkat dan adik tingkat di Jurusan Teknik Mesin UNS, M-solidarity forever!!
11. Segenap Kelauarga Mahasiswa Teknik Mesin yang telah memberikan pembelajaran berharga yang akan selalu saya ingat.
12. Dan semua pihak yang telah mendukung kelancaran skripsi penulis yang tidak bisa penulis sebutkan satu-persatu.
Pada akhirnya penulis menyadari bahwa dalam penyusunan skripsi ini masih jauh dari sempurna karena keterbatasan kemampuan dan pengetahuan penulis. Oleh karena itu penulis mengharapkan kritik dan saran yang bersifat membangun dari semua pihak supaya menjadi masukan yang sangat berguna bagi penulis untuk memperbaiki dan menyempurnakan penulisan lain yang akan datang. Akhir kata, penulis berharap semoga laporan skripsi ini dapat berguna dan bermanfaat bagi kita semua dan bagi penulis pada khususnya.
Surakarta, 24 Januari 2014
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user MOTTO
“Sesungguhnya Alloh tidak merubah keadaan suatu kaum sehingga mereka merubah keadaan yang ada pada diri mereka sendiri”
(Q.S. Ar Ra’ad : 11)
“Self-pity is our worst enemy and if we yield to it, we can never do anything wise in this world”
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user vi
PREDIKSI EFISIENSI MESIN DENGAN KECERDASAN BUATAN Mad Yandi
Jurusan Teknik Mesin
Fakultas Teknik Universitas Sebelas Maret Surakarta Indonesia
E-mail : yandi.mad@gmail.com
Abstrak
Penelitian ini bertujuan untuk menentukan efisiensi mesin dengan memanfaatkan kecerdasan buatan. Kecedasan buatan yang digunakan adalah
Artificial Neural Network(ANN) dan Support Vector Machine(SVM). Dalam
ANN algoritma yang digunakan adalah Radial Basis Function dan
Backpropogation sedangkan kernel yang digunakan pada SVM adalah Radial Basis Function kernel. Data-data yang digunakan merupakan hasil uji coba dari
mesin Prius 1.5L dengan jumlah data 144 dimana 120 data merupakan data
training dan 24 data merupakan data testing. Parameter-parameter yang diambil
adalah torsi, kecepatan putar(RPM) dan efisiensi. Hasil dari analisa data menunjukkan bahwa hasil pelatihan dapat mendekati perhitungan sebenarnya dengan korelasi 0.9664(RBF), 0.9979(Backpropogation) dan 0.9836(RBF kernel). Waktu komputasi untuk masing-masing kecerdasan buatan adalah 9.354s(RBF), 263.44s(Backpropogation) dan 2.1994s(RBF Kernel).
Kata kunci: Kecerdasan buatan, Artificial Neural Network, Support Vector
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user vii
ENGINE EFICIENCY PREDICTION BY USING ARTIFICIAL INTELLIGENCE
Mad Yandi
Departement of Mechanical Engineering Engineering Faculty of Sebelas Maret University
Surakarta Indonesia E-mail : yandi.mad@gmail.com
Abstract
The aim of this research is to determine the engine eficiency by using artificial intelligence. The artificial intelligence used for this study is Artificial Neural Network and Support Vector Machine. In ANN, algorithm that is used is Radial Basis Function and Bacpropogation whereas in SVM algorithm that used is Radial Basis Function kernel. Data used for the study is a test result from Prius 1.5L engine with 144 number of data which 120 of them is used as training and 24 of them is used for testing. The parameter that were used are torque, speed(RPM) and efficiency. The analysis show that the result of the testing approached the actual calculation wtih correlation 0.9664(RBF), 0.9979(Backpropogation) and 0.9836(RBF kernel). Computational time for each algorithm are 9.354s(RBF), 263.44s(Backpropogation) and 2.1994(RBF kernel).
Keywords: artificial intelligence, Artificial Neural Network, Support Vector
perpustakaan.uns.ac.id digilib.uns.ac.id commit to user x DAFTAR ISI Halaman Halaman Judul ... i Surat Penugasan ... ii
Halaman Pengesahan ... iii
Motto ... iv
Persembahan ... v
Abstrak ... vi
Kata Pengantar ... viii
Daftar Isi ... x
Daftar Gambar ... xii
Daftar Tabel ... xiii
BAB I PENDAHULUAN 1.1. Latar Belakang ... 1 1.2. Perumusan Masalah ... 2 1.3. Batasan Masalah ... 2 1.4. Tujuan ... 2 1.5. Manfaat ... 2
BAB II LANDASAN TEORI 2.1. Tinjauan Pustaka ... 3
2.2. Dasar Teori ... 4
2.2.1. Kecerdasan Buatan ... 4
2.2.2. Jaringan Syaraf Tiruan ... 7
2.2.3. Support Vector Machine ... 13
BAB III METODOLOGI PENELITIAN 3.1. Prosedur Penelitian... 22
3.2. Jadwal Penelitian ... 24
BAB IV DATA DAN ANALISIS 4.1. Data Pengujian ... 25
4.2. Jaringan Fungsi Berbasis Radial ... 28
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user xi
4.4. LSSVM Radial Base Function Kernel ... 33 4.5. Perbandingan Tiap Algritma ... 36 BAB V PENUTUP
5.1. Kesimpulan ... 38 5.2. Saran ... 38 DAFTAR PUSTAKA ... 39
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user xii DAFTAR GAMBAR
Halaman
Gambar 2.1 Jaringan Syaraf Manusia ... 7
Gambar 2.2 Jaringan Syaraf Tiruan ... 7
Gambar 2.3 Jaringan syaraf Tiruan Feedforward ... 9
Gambar 2.4 Fungsi Aktivasi ... 10
Gambar 2.5 Arsitektur Jaringan Saraf Tiruan ... 12
Gambar 2.6 Hyperplane yang dihasilkan oleh SVM ... 14
Gambar 2.7 Ilustrasi Fungsi Kernel ... 15
Gambar 2.8 Hyperplane Alternatif dan Hyperplane Terbaik Dengan Data Yang Dapat Dipisahkan Secara Linier ... 17
Gambar 2.9 Feature Space ... 19
Gambar 3.1 Diagram Alir Penelitian ... 23
Gambar 4.1 Grafik 3 Dimensi dan Mapping Mesin Prius ... 25
Gambar 4.2 Perbandingan Output Target dan Output Jaringan Radial . 29 Gambar 4.3 Selisih Data Output Jaringan Dengan Output Sebenarnya Jaringan Backpropagation ... 31
Gambar 4.4 Perbandingan Hasil Kerja SVM dan Output Target RBF Kernel ... 34
Gambar 4.5 Perbandingan Output Semua Jaringan Dengan Output Target ... 36
Gambar 4.6 Jaringan Saraf Tiruan ... 37
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user xiii
DAFTAR TABEL
Halaman Tabel 3.1 Perintah Training ... 22 Table 3.2 Perintah Simulasi/Validasi ... 23 Table 3.3 Jadwal Pelaksaan ... 24 Tabel 4.1 Data Training Pengujian Karakteristik Engine Prius 1.5L 26 Table 4.2 Data Testing Pengujian Karakteristik Engine Prius 1.5L ... 27 Table 4.3 Error Output Sebanarnya dan Output Jaringan(Radial) .... 29 Table 4.4 Error Output Jaringan dan Output Sebenarnya
(Backpropogation) ... 32 Table 4.5 Error Output Sebenarnya dan Output SVM ... 34 Table 4.6 Perbandingan Hasil Dari Jenis Jaringan ... 36