Identifikasi Kerusakan Mesin Pada Mobil Matic Menggunakan Metode Modified K- Nearest Neighbor (MKNN)

Saputra, Moh Rifky Wahyu Agung (2022) Identifikasi Kerusakan Mesin Pada Mobil Matic Menggunakan Metode Modified K- Nearest Neighbor (MKNN). Undergraduate thesis, Uniersitas Muhammadiyah Jember.

[img] Text
1. PENDAHULUAN.pdf

Download (1MB)
[img] Text
2. ABSTRAK.pdf

Download (655kB)
[img] Text
3. BAB I.pdf

Download (321kB)
[img] Text
4. BAB II.pdf
Restricted to Repository staff only

Download (537kB) | Request a copy
[img] Text
5. BAB III.pdf
Restricted to Repository staff only

Download (791kB) | Request a copy
[img] Text
6. BAB IV.pdf
Restricted to Repository staff only

Download (1MB) | Request a copy
[img] Text
7. BAB V.pdf
Restricted to Repository staff only

Download (427kB) | Request a copy
[img] Text
8. DAFTAR PUSTAKA.pdf

Download (533kB)
[img] Text
9. LAMPIRAN.pdf
Restricted to Repository staff only

Download (764kB) | Request a copy
[img] Text
10. Artikel- Jurnal.pdf

Download (755kB)

Abstract

Mobil matic merupakan salah satu alat transportasi yang banyak digunkan masyarakat umum. Salah satu penyebab kecelakaan pada mobil matic yaitu dari mesin mobil matic tersebut. Namun sebagai pengguna mobil matic masih banyak yang kurang paham mengenai kerusakan pada mesin mobil matic karena kerusakan mesin pada mobil matic bermacam-macam. Dengan adanya permaslahan pada mesin mobil matic dibuatlah aplikasi untuk mengidentifikasi kerusakan mesin pada mobil matic. Salah satu metode klasifikasi yang dapat digunakan untuk mengidentifikasi kerusakan mesin pada mobil matic adalah Metode Modified K�Nearest Neighbor (MK-NN). Metode tersebut mempelajari pola dari data hasil pemeriksaan sebelumnya berdasarkan gejala kerusakan dengan proses perhitungan jarak eucledian, perhitungan nilai validitas dan perhitungan weighted voting yang hasil akhirnya digunakan untuk penetapan kelas klasifikasi berdasarkan nilai K yang telah ditentukan. Untuk mengidentifikasi kerusakan pada mesin mobil matic dengan menggunakan 10 jenis kerusakan dengan 20 gejala dan total data latih 30. Akurasi tertinggi yang didapatkan dari hasil pengujian adalah 80%, Hasil nilai presisi terbaik sebesar 100% dan nilai recall terbaik sebesar 41,67% Kata Kunci: Klasifikasi, MKNN, Mobil Matic.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Klasifikasi, MKNN, Mobil Matic.
Subjects: 600 Technology and Applied Science > 620 Engineering
Divisions: Faculty of Engineering > Department of Informatics Engineering (S1)
Depositing User: Moh. Rifky Wahyu Agung Saputra
Date Deposited: 18 Oct 2022 06:33
Last Modified: 18 Oct 2022 06:33
URI: http://repository.unmuhjember.ac.id/id/eprint/15390

Actions (login required)

View Item View Item