Lumbung Pustaka UNY: No conditions. Results ordered -Date Deposited. 2024-03-29T12:35:12ZEPrintshttp://eprints.uny.ac.id/apw_template/images/sitelogo.pnghttps://eprints.uny.ac.id/2016-11-15T06:59:39Z2019-01-30T11:48:48Zhttp://eprints.uny.ac.id/id/eprint/43552This item is in the repository with the URL: http://eprints.uny.ac.id/id/eprint/435522016-11-15T06:59:39ZPENERAPAN SISTEM FUZZY UNTUK DIAGNOSIS CAMPURAN BAHAN BAKAR DAN UDARA PADA MOBIL F15 GURTPenelitian ini bertujuan untuk mengetahui proses mendapatkan campuran stoichiometric pada mobil F15 GURT, mengetahui penerapan sistem fuzzy untuk diagnosis campuran bahan bakar dan udara pada mobil F15 GURT dan mengetahui tingkat keakurasian sistem fuzzy yang digunakan. Air Fuel Ratio merupakan perbandingan antar massa molekul senyawa dalam proses pembakaran. Perbandingan antara jumlah udara sesungguhnya dengan nilai teori stoichiometric disebut lambda. Diperlukan diagnosis untuk mengetahui campuran bahan bakar yang ideal. Sistem fuzzy dengan tingkat akurasi yang baik dapat digunakan untuk mendiagnosis campuran bahan bakar dan udara pada mobil. Data yang digunakan untuk penelitian diperoleh dari tim mobil yang berada di Universitas Negeri Yogyakarta, yaitu Garuda UNY Racing Team.
Penelitian ini mendapatkan perbandingan yang ideal ketika terdapat 15,1 gr udara untuk setiap 1 gr bahan bakar sehingga dapat menghasilkan campuran stoichiometric ketika nilai lambda sebesar 1. Penelitian ini menggunakan sistem fuzzy dengan 2 variabel input, yaitu error dan delta error. Variabel output diklasifikasikan menjadi 3 himpunan fuzzy rich, stoichiometric dan lean. Data yang digunakan sebanyak 180 data terdiri atas 113 data digunakan untuk data latih dan 67 data digunakan untuk data uji. Proses inferensi menggunakan Metode Mamdani dan pada proses defuzzifikasi menggunakan Metode Centroid. Sistem fuzzy kemudian diimplementasikan menggunakan Graphical User Interface (GUI).
Tingkat keakurasian sistem fuzzy untuk diagnosis campuran bahan bakar dan udara pada mobil F15 GURT mencapai 85% pada data latih dan 90% pada data uji. Penerapan sistem fuzzy yang digunakan pada penelitian ini dengan nilai lambda yang berada di sekitar 1 dapat dikatakan mampu untuk mendiagnosis campuran bahan bakar dan udara pada mobil F15 GURT.
Kata kunci: Metode Centroid, Metode Mamdani, Mobil F15 GURT, Sistem Fuzzy, StoichiometricLaila Wahyu Trimartanti2016-02-13T16:10:39Z2019-10-14T03:39:33Zhttp://eprints.uny.ac.id/id/eprint/29670This item is in the repository with the URL: http://eprints.uny.ac.id/id/eprint/296702016-02-13T16:10:39ZSistem APILL Menggunakan Fuzzy LogicKemacetan pada lalu lintas juga dipengaruhi oleh kinerja lampu lalu lintas atau sering disebut Alat Pemberi Isyarat Lalu Lintas (APILL). APILL adalah perangkat elektronik yang menggunakan isyarat lampu yang dapat dilengkapi dengan isyarat bunyi untuk mengatur lalu lintas orang dan/atau kendaraan di persimpangan jalan atau pada ruas jalan. Salah satu penyebab kemacetan yaitu pembagian waktu lampu hijau yang kurang efisien pada semua jalur, tidak memperhatikan banyak sedikitnya kendaraan yang melewati jalur tersebut. Tujuan dari tulisan ini untuk mendapatkan jumlah detik lampu hijau yang efisien pada suatu persimpangan jalan. Penulis menggunakan aturan Fuzzy Logic yang mengimplementasikan pada Fuzzy Inference System (FIS) dengan metode Mamdani. Hasil yang didapat dalam tulisan ini berupa tiga kategori lamanya waktu lampu hijau pada sistem APILL yaitu sebentar, sedang, lama.
Kata kunci: APILL, Efisien, Fuzzy logic, Kemacetan
I. PENDAHULUAN
Semakin maraknya perkembangan teknologi menimbulkan pengguna jalan semakin beragam. Pengguna jalan baik pejalan kaki atapun yang menggunakan kendaraan dapat menimbulkan kemacetan pada lalu lintas. Kendaraan adalah suatu sarana angkut di jalan yang terdiri atas kendaraan bermotor dan kendaraan tidak bermotor. Kendaraan bermotor adalah setiap kendaraan yang digerakkan oleh peralatan mekanik berupa mesin selainkendaraan yang berjalandi atas rel. Kendaraan tidak bermotor adalah setiap kendaraan yang digerakkan oleh tenaga manusia dan/atau hewan. Sedangkan lalu lintas adalah gerak kendaraan dan orang di ruang lalu lintas jalan [1].
Kemacetan pada lalu lintas juga dipengaruhi oleh kinerja lampu lalu lintas atau sering disebut Alat Pemberi Isyarat Lalu Lintas (APILL). APILL adalah perangkat elektronik yang menggunakan isyarat lampu yang dapat dilengkapi dengan isyarat bunyi untuk mengatur lalu lintas orang dan/atau kendaraan di persimpangan jalan atau pada ruas jalan [2]. Salah satu penyebab kemacetan yaitu pembagian waktu lampu hijau yang sama rata untuk semua jalur, tidak memperhatikan banyak sedikitnya kendaraan yang melewati jalur tersebut. Apabila pada satu jalur yang padat mendapat jatah lampu hijau yang lama, dan jalur lain yang sepi mendapat jatah lampu hijau yang sebentar, maka dapat menimbulkan kemacetan dikarenakan pembagian waktu lampu hijau yang kurang efisien.
Pembagian waktu lampu hijau untuk masing-masing persimpangan jalan masih kurang efisien. Hal itu dapat dilihat apabila suatu ruas jalan yang ramai mendapatkan lampu hijau yang sebentar, sehingga dapat menimbulkan penumpukan atau kemacetan di ruas jalan tersebut. Menindaklanjuti hal tersebut, diperlukan adanya pengaturan waktu untuk lampu hijau yang fleksibel. Tindakan seperti itu bertujuan untuk memperoleh jumlah detik pada persimpangan jalan sesuai dengan kepadatan pada ruas jalan tersebut. Sehingga diharapkan kemacetan lalu lintas dapat berkurang.
Perlu adanya model sensor yang digunakan untuk menghitung kepadatan dan jumlah kendaraan yang keluar-masuk pada persimpangan jalan. Sensor tersebut bertindak sebagai sensor input dan output pada masing-masing jalur. Sensor yang digunakan yaitu inframerah yang dipasang pada jarak 25 meter dan 50 meter ke belakang dari arah pusat APILL. Pemasangan sensor dapat disesuaikan lebarnya. Waktu maksimal lampu hijau pada masing-masing persimpangan jalan pasti berbeda, tergantung panjang jalan dan kecepatan rata-rata kendaraan. Kemudian dari situ, akan diperbaiki dengan fuzzy logic.
Logika fuzzy dapat digunakan untuk memenuhi tujuan pengaturan Lalu Lintas secara optimal. Simulasi yang dihasilkan relatif sederhana dan mempunyai fleksibilitas tinggi [3]. Menurut [4], penggunaan metode fuzzy logic untuk mendapatkan jumlah detik lampu hijau yang diharapkan pada suatu persimpangan jalan. Kelebihan dari fuzzy logic yaitu konsep logika fuzzy mudah dimengerti, konsep matematis yang mendasari penalaran logika fuzzy sangat sederhana dan mudah dimengerti [5]. Disebutkan [6], logika fuzzy didasarkan pada bahas alami. Kelebihan logika fuzzy dalam pengaplikasikannya yaitu usaha dan dana yang dibutuhkan kecil [7]. Logika fuzzy memiliki beberapa tipe metode, yaitu Mamdani, Sugeno, dan Tsukamoto. Perbedaan utama antara metode Mamdani dan SugenoLaila Wahyu TrimartantiAgus Maman Abadiagusmaman@uny.ac.id