DETEKSI TINGKAT KERUSAKAN SISTEM KELISTRIKAN PADA MOBIL MENGGUNAKAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM
Abstract
The automotive industry in Indonesia has significant increase in the past decade. A famous car company opened a manufacturing branch to increase its production capacity in Indonesia. An increase in sales is directly proportional to an increase in service to customers. Damage on electrical system is the majority of modern car. Unfortunately, car users have minimal knowledge of car electricity. This article describes the technique of detecting the level of damage to a car's electrical system using the Adaptive Neuro-Fuzzy Inference System (Anfis) concept. As a case study in designing the system in question is the electrical system on the Toyota Avanza. Formation of a fuzzy inference system which is used for the system formation process through a GUI-based interface design (Graphic User Interface). The output of the system is a fuzzy analysis based on the membership function of the Gaussian, Triangular and Trapezoid methods to obtain an analysis of the level of damage to the electrical system on a Toyota Avanza. From the results of the system test for starter system, firewire system and lighting system, it is concluded that the analysis of the level of damage to the electrical system on the car using Anfis based on the Gaussian membership function model is more accurate(reach 85%) in predicting the level of damage to the analyzed electrical system.
Keywords: Anfis, Electrical System, Fuzzy Inference System, Toyota Avanza
Industri otomotif di Indonesia mengalami peningkatan signifikan dalam kurun waktu satu dekade belakangan ini. Perusahaan mobil terkenal membuka pabrik manufaktur untuk meningkatkan kapasitas produksinya di Indonesia. Peningkatan penjualan berbanding lurus dengan peningkatan layanan kepada pelanggan. Kerusakan sistem kelistrikan merupakan kerusakan yang mayoritas dialami pengguna kendaraan mobil terbaru masa kini. Sayangnya, pengguna kendaraan mobil memiliki pengetahuan yang kurang tentang kelistrikan. Artikel ini mendeskripsikan tentang teknik mendeteksi tingkat kerusakan sistem kelistrikan mobil dengan menggunakan konsep Adaptive Neuro-Fuzzy Inference System (ANFIS). Sebagai studi kasus dalam mendesain sistem yang dimaksud adalah sistem kelistrikan pada Mobil Toyota Avanza. Pembentukan fuzzy inference system yang kemudian digunakan untuk proses pembentukan sistem melalui desain interface berbasis GUI (Graphic User Interface). Keluaran dari sistem yang dibuat adalah analisa fuzzy berdasarkan fungsi keanggotaan metode Gaussian, Triangular dan Trapezoid untuk mendapatkan analisa tingkat kerusakan sistem kelistrikan pada mobil Toyota Avanza. Dari hasil uji sistem yang dilakukan pada sistem starter, sistem pengapian dan sistem penerangan diperoleh kesimpulan analisis tingkat kerusakan sistem kelistrikan pada mobil dengan menggunakan Anfis berdasarkan model membership function Gaussian adalah lebih akurat (mencapai 85%) dalam menduga tingkat kerusakan sistem kelistrikan yang dianalisa.
Kata kunci: Anfis; Fuzzy Inference System; Sistem Kelistrikan; Toyota Avanza
Full Text:
PDFReferences
Cnnindonesia.com. Penjualan Kendaraan Meningkat, Toyota Pimpin Pasar Roda Empat. Diakses pada 25 Desember 2018, dari https://www.cnnindonesia.com/teknologi/20180628072044-384-309713/penjualan-kendaraan-meningkat-toyota-pimpin-pasar-roda-empat. (2018, 28 Juni)
Kamase, J. Influence Factors Cultural Factors Social Factors Characteristic Individual And Psychological Factor On The Decision Purchase Of Car Toyota Avanza In Makassar. Makassar: IOSR Journal of Business and Management, Vol 19(05), 99–104. 2017
Harsono, R. The Impact of Marketing Mix ( 4P ’ S ) on Customer Loyalty Towards Toyota Avanza. Surabaya: iBuss Management, Vol 4(1), 1–7. 2016
Shen, C., Shan, P., & Gao, T. A comprehensive overview of hybrid electric vehicles. International Journal of Vehicular Technology. Volume 2011, Article ID 571683, 7 pages.2011
KM, X. V, & Raju, I. Hybrid Electric Vehicles. International Journal of Engineering Trends and Technology (IJETT), Vol 50(2). 2017
Andriani, A. Pemrograman Sistem Pakar (MediaKom (ed.); cet. 1). Yogyakarta: PT BUKU SERU. 2017
Rosnelly, R. Sistem Pakar Konsep dan Teori (P. Y. Jati (ed.); 1st ed.). Yogyakarta: ANDI. 2012
Hayadi, B. H. Sistem Pakar (1st ed.). Yogyakarta: Deepublish. 2018
Irwansyah, E., & Faisal, M. Advanced Clustering : Teori dan Aplikasi. Banda Aceh: Deepublish. 2015
Sujawarta. Buku Ajar Sistem Fuzzy dan Aplikasinya. Semarang: Deepublish. 2014
Kusumadewi, S., & Hartati, S. Neuro-Fuzzy Integrasi Sistem Fuzzy Jaringan Syaraf. Yogyakarta: Graha Ilmu. 2010
Kusumadewi, S., & Purnomo, H. Aplikasi Logika Fuzzy Untuk Pendukung Keputusan. Yogyakarta: Graha Ilmu. 2010
Kamsyakawuni, A., Gernowo, R., & Sarwoko, E. A. Aplikasi Sistem Pakar untuk Diagnosa Penyakit Hipertiroid dengan Metode Inferensi Fuzzy Mamdani. Jurnal Sistem Informasi Bisnis, 2(2), 58–66. 2012
Ismawati, D., Syauqy, D., & Prasetio, B. H. Perbandingan Jumlah Membership Dan Model Fuzzy Terhadap Perubahan Suhu Pada Inkubator Penetas Telur. Malang: Universitas Brawijaya, Vol 1(6), 476–485. 2017
DOI: http://dx.doi.org/10.20527/klik.v8i1.377
Copyright (c) 2021 KLIK - KUMPULAN JURNAL ILMU KOMPUTER
This work is licensed under a Creative Commons Attribution 4.0 International License.
This work is licensed under a Creative Commons Attribution 4.0 International License. View My Stats