PENERAPAN LOGIKA FUZZY UNTUK MENENTUKAN KONDISI MESIN PADA MOTOR TRANSMISI MANUAL (STUDI KASUS HONDA CS-1)

Eric Teguh Ariyanto; sutikno sutikno

doi:10.24176/simet.v9i1.599

PENERAPAN LOGIKA FUZZY UNTUK MENENTUKAN KONDISI MESIN PADA MOTOR TRANSMISI MANUAL (STUDI KASUS HONDA CS-1)

Eric Teguh Ariyanto
sutikno sutikno

Abstract

Honda CS-1 merupakan salah satu jenis sepeda motor dengan transmisi manual dengan spesifikasi mesin SOHC (Single Overhead Camshaft). Untuk melakukan perawatan mesin tersebut dibutuhkan pengetahuan yang cukup. Beberapa mekanik memiliki tingkat pengetahuan yang berbeda sehingga dimungkinkan terdapat kesalahan dalam melakukan perawatan mesin.Untuk menghindari kesalahan tersebut, maka perlu dirancang sebuah aplikasi untuk membantu mekanik melakukan analisa kondisi mesin tersebut, sehingga mekanik dapat menganalisa letak kerusakan mesin dan memberikan saran penanganan yang tepat.Metode yang digunakan adalah metode mamdani. Dari hasil pengujian aplikasi ini didapatkan bahwa error rate untuk menentukan kondisi kerusakan mesin adalah 10%. Hal ini berarti bahwa aplikasi sudah dapat diterapkan untuk membantu mekanik untuk menentukan kondisi kerusakan mesin motor Honda CS-1.

Keywords

logika fuzzy; mamdani; honda CS-1

Teks Lengkap:

PDF

Referensi

Kusumadewi S, 2002, “Analisa dan Desain Sistem Fuzzy”, Graha Ilmu, Yogyakarta.

Alnahhas, A. and Alkhatib, B. 2012, “Decision support system for crisis management using temporal fuzzy logic”, 2012 6th International Conference on Application of Information and Communication Technologies, Georgia.

Juan, S., et al., 2004, “An application of the analytic hierarchy process and fuzzy logicinference in a decision support system for forage selection”. New Zealand Journal of Agricultural Research, Vol.

, issue 3, pp. 327-331.

Makropoulos, C.K., et al., 2003, “Fuzzy logic spatial decision support system for urban water management”, Journal of Water Resources Planning and Management, Vol. 129, isuue 1, pp. 69-77.

Patel, A., et al., 2012, “Decision support system for the diagnosis of asthma severity using fuzzy logic”, International MultiConference of Engineers and Computer Scientists, IMECS 2012, Kowloon, pp. 142-147.

Patel, J., et al., 2012, “Fuzzy logic based Decision Support System framework for irrigation scheduling”, 3rd Nirma University International Conference on Engineering, NUiCONE 2012,

Gujarad, pp. 1-4.

Samuel, O.W. , et al., 2013, “A web based decision support system driven by fuzzy logic for the diagnosis of typhoid fever. Expert Systems with Applications”, Vol. 40, Issue 10, pp. 4164-4171.

Thang, C., et al., 2005, “A decision support system for rheumatic evaluation and treatment in oriental medicine using fuzzy logic and neural network”, 2nd International Conference on Modeling

Decisions for Artificial Intelligence, MDAI 2005, Tsukuba, pp. 399-409.

Fitrianty D. A., et al., 2013, “Ketepatan Klasifikasi Dengan Analisis Regresi Logistik Dan Multivariative Adaptive Regression Splines (MARS) Pada Data Dengan Peubah Respon Biner”, Jurnal Mahasiswa Statistik, vol. 1 no. 4, pp. 269-272.

DOI: https://doi.org/10.24176/simet.v9i1.599