PREDIKSI EFISIENSI MESIN DENGAN KECERDASAN BUATAN

(1)

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

(2)

(3)

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

(4)

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.

(5)

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.

(6)

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

(7)

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”

(8)

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

(9)

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

(10)

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

(11)

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

(12)

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

(13)

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