IMPLEMENTASI BAYESIAN NETWORK UNTUK SISTEM PINTAR DIAGNOSIS EMISI KENDARAAN MOBIL TOYOTA BENSIN

PRAMONO, YUDHA AJI (2021) IMPLEMENTASI BAYESIAN NETWORK UNTUK SISTEM PINTAR DIAGNOSIS EMISI KENDARAAN MOBIL TOYOTA BENSIN. S1 thesis, Universitas Mercu Buana Jakarta.

Preview	Text (HAL COVER) 01 Cover.pdf Download (824kB) | Preview
	Text (BAB I) 02 Bab 1.pdf Restricted to Registered users only Download (374kB)
	Text (BAB II) 03 Bab 2.pdf Restricted to Registered users only Download (944kB)
	Text (BAB III) 04 Bab 3.pdf Restricted to Registered users only Download (529kB)
	Text (BAB IV) 05 Bab 4.pdf Restricted to Registered users only Download (673kB)
	Text (BAB V) 06 Bab 5.pdf Restricted to Registered users only Download (332kB)
	Text (DAFTAR PUSTAKA) 07 Daftar Pustaka.pdf Restricted to Registered users only Download (301kB)
	Text (LAMPIRAN) 08 Lampiran.pdf Restricted to Registered users only Download (443kB)

Abstract

Vehicle exhaust emission test is an activity carried out to determine the content of HC, CO2, O2, CO, and Lambda from the remaining combustion products that occur in the fuel in the vehicle engine. Many people don't understand or understand about data or exhaust gas content from emission tests, so to make this easier, a smart diagnosis system is made with Bayesian Network (BN) modeling. BN is a probability-based data modeling method that represents a set of variables and their conditional dependencies through a DAG (Directed Acyclic Graph) and aligned to Microsoft Bayesian Network (MSBNx) software. MSBNx is a software that is used to create a network model as well as to diagnose treatment at the time the exhaust emission test is carried out, and to determine the impact of air content on the emission test. When the BN network modeling has been completed, it will be aligned with MATLAB software as it is used to analyze in more detail the emission test treatment that has been carried out. The smart system design uses the Bayesian Networks method, as an application is made to diagnose the results of the emission test, namely the air content of CO, HC CO2, O2, and Lambda, these contents are important to determine the state of good and bad emissions in various components of Toyota gasoline engines in doing care. The results obtained from the emission test on the air content of CO of 0.00%, then HC of 21 ppm, then CO2 of 15.0%, then O2 of 1.27%, and finally lambda 1.011 then after being analyzed using manual and the system the results are that the emission state is good. with a good percentage of 79.8% and a bad percentage of 21.2%, the results of the analysis of the data obtained are very accurate as the public can know and understand the condition of various engine components for maintenance. Keywords: Emission Test, Bayesian Network, MATLAB Uji emisi gas buang kendaraan merupakan suatu kegiatan yang dilakukan untuk mengetahui kandungan HC, CO2, O2, CO, dan Lambda dari sisa hasil pembakaran yang terjadi pada bahan bakar yang ada di dalam mesin kendaraan. Banyak dari masyarakat tidak mengerti atau memahami tentang data-data atau kandungan gas buang dari uji emisi, maka untuk mempermudah hal tersebut dibuatlah suatu sistem pintar diagnosis dengan permodelan Bayesian Network (BN). BN merupakan suatu metode pemodelan data berbasis probabilitas yang merepresentasikan suatu himpunan variabel dan ketergantungan bersyaratnya melalui suatu DAG (Directed Acyclic Graph) dan diselaraskan pada software Microsoft Bayesian Network (MSBNx). MSBNx merupakan suatu software yang digunakan untuk membuat model jaringan sebagaimana untuk mendiagnosis perlakuan pada saat uji emisi gas buang dilaksanakan, serta mengetahui dampak kandungan udara pada uji emisi. Saat permodelan jaringan BN telah selesai maka akan diselaraskan dengan software MATLAB sebagaimana digunakan untuk menganalisis lebih rinci dari perlakuan uji emisi yang telah dilakukan. Rancangan sistem pintar menggunakan metode Bayesian Networks, sebagaimana dibuat aplikasi untuk mendiagnosis hasil dari uji emisi yaitu kandungan udara CO, HC CO2, O2, dan Lambda, kandungan tersebut penting untuk menentukan keadaan emisi yang baik dan buruk pada berbagai komponen-komponen mesin kendaraan Toyota bensin dalam melakukan perawatan. Hasil yang didapatkan dari uji emisi pada kandungan udara CO sebesar 0.00%, kemudian HC sebesar 21 ppm, kemudian CO2 sebesar 15.0%, kemudian O2 sebesar 1.27%, dan terakhir lambda 1.011 maka setelah dianalisis dengan menggunakan manual dan sistem mendapatkan hasil bahwa keadaan emisi baik dengan persentase baik sebesar 79.8% dan persentase buruk 21.2%, hasil analisis data yang didapatkan tersebut sangat akurat sebagaimana masyarakat dapat mengetahui dan memahami kondisi berbagai komponen mesin untuk melakukan perawatan. Kata Kunci: Uji Emisi, Bayesian Network, MATLAB

Actions (login required)

View Item