OPTIMASI MODEL IDENTIFIKASI BAHAN BAKAR MINYAK MELALUI PEMILIHAN FITUR

Dini Fakta Sari

Sari

Bahan Bakar Minyak (BBM) sangat penting dalam semua aktifitas ekonomi khususnya sebagai bahan bakar kendaraan bermotor. Jumlah kendaraan bermotor tiap tahunnya mengalami peningkatan sehingga mempengaruhi ketersediaan BBM. Pencampuran BBM akan mempengaruhi performa mesin kendaraan bermotor sehingga masyarakat harus mampu mengenali BBM yang berkualitas salah satunya dari bau BBM itu sendiri.
Penelitian ini, melanjutkan dari penelitian sebelumnya tentang sistem identifikasi odor/bau yang memiliki kekurangan yakni proses pembelajaran yang lama dan data uji seperti amoniak, alkohol dan minyak tanah. Optimasi model identifikasi BBM yang akan dibangun menggunakan algoritma Back Propagation Neuron Networks sebagai model pembelajaran dan Principle Component Analysis sebagai metode pemilihan fitur. BBM yang dijadikan data uji antara lain bensin, pertamax dan kerosin.
Penelitian ini menghasilkan model yang mampu mengidentifikasi BBM yang diujikan dengan optimasi model melalui pemilihan fitur dengan nilai akurasi sebesar 93%.

Kata kunci

Bahan Bakar Minyak, Principle Component Analysis, Back Propagation Neuron Networks

Teks Lengkap

PDF

Referensi

Sari, DF., Rivai, M., Mujiono, T., 2010, “Implementasi Artificial Neural Network Pada Field Programmable Gate Array (FPGA) Dalam Sistem Identifikasi Odor”, Tesis, Program Master, Teknik Elektro, ITS, Surabaya.

Rivai Muhammad, 2007,”Pengaruh Principle Component Analysis Terhadap Tingkat Identifikasi Neural Network Pada Sistem Sensor gas” TELKOMNIKA Vol.5, No.3, Desember 2007 : 159 – 167. ISSN :1693-6930.

Ismaya, Agny, 2005, ” Analisis Dan Implementasi Optimal Brain Surgeon (OBS) Untuk Klasifikasi Pada Data Mining”, Tugas Akhir, Jurusan Teknik Informatika, STT TELKOM, Bandung.

Misbah, 2009,” Implementasi FPGA sebagai Digital Interface Pada Sensor Gas Resonator Kuarsa Untuk Mendeteksi Amoniak”, Tesis, Program Master, Teknik Elektro, ITS, Surabaya.

Dewi, YS. dan Budiyanti, T., 2010,” Pengaruh Campuran Kadar Kerosin Dalam Premium Terhadap Emisi Gas Sulfur Oksida Dan Nitrogen Oksida Pada Kendaraan Bermotor”, Jurnal Limit’s, FT,Universitas Satya Negara Indonesia, Volume 6 No.2 September 2010, ISSN 0216-1184.

Medhat Moussa, 2006,” On The Arithmetic Precision For Implementing Backpropagation Networks On FPGA : A Case Study”, A C.I.P. Canada.

DOI :

http://dx.doi.org/10.5614%2Fsniko.2015.27