PREDIKSI KINERJA MESIN DIESEL DENGAN BAHAN BAKAR BIODIESEL-SOLAR MENGGUNAKAN ARTIFICIAL NEURAL NETWORK

Ibrahim, H; Sebayang, AH; Dharma, S; Silitonga, AS

PREDIKSI KINERJA MESIN DIESEL DENGAN BAHAN BAKAR BIODIESEL-SOLAR MENGGUNAKAN ARTIFICIAL NEURAL NETWORK

Ibrahim, H Sebayang, AH Dharma, S Silitonga, AS

Permalink

Publisher:: Universitas Tarumanagara
Publication Type:: Journal Article
Citation:: Jurnal Muara Sains Teknologi Kedokteran dan Ilmu Kesehatan, 2017, 1, (1)
Issue Date:: 2017-05-12

Closed Access

	Filename	Description	Size
	19499293_8783448310005671.pdf		1.37 MB	Adobe PDF	View/Open

Copyright Clearance Process

Recently Added
In Progress
Closed Access

This item is closed access and not available.

Full metadata record

Field	Value	Language
dc.contributor.author	Ibrahim, H
dc.contributor.author	Sebayang, AH
dc.contributor.author	Dharma, S
dc.contributor.author	Silitonga, AS
dc.date.accessioned	2022-09-08T02:08:12Z
dc.date.available	2022-09-08T02:08:12Z
dc.date.issued	2017-05-12
dc.identifier.citation	Jurnal Muara Sains Teknologi Kedokteran dan Ilmu Kesehatan, 2017, 1, (1)
dc.identifier.issn	2579-6402
dc.identifier.issn	2579-6410
dc.identifier.uri	http://hdl.handle.net/10453/161519
dc.description.abstract	<jats:p>Tulisan ini meneliti kinerja mesin diesel satu silinder menggunakan campuran bahan bakar biodiesel randu dengan solar. Tes dilakukan dengan berbagai perbandingan biodiesel-diesel (B10, B20 dan B30). Sebuah model artificial neural network (ANN) yang didasarkan pada algoritma back-propagasi standar digunakan untuk memprediksi kinerja mesin menggunakan MATLAB. Untuk memperoleh data untuk pelatihan dan pengujian yang diusulkan ANN, kecepatan mesin yang berbeda (1400-2200 rpm) dipilih sebagai parameter masukan, sedangkan kinerja mesin (BSFC dan BTE) dipilih sebagai parameter keluaran untuk ANN pemodelan dari mesin diesel. Kinerja mesin (BSFC dan BTE) ANN telah divalidasi dengan membandingkan hasil prediksi dengan hasil eksperimen. Hasil penelitian menunjukkan bahwa koefisien korelasi BSFC dan BTE masing masing adalah 0,99249 dan 0,99457. Nilai MAPE (mean absolute persentase kesalahan) BSFC dan BTE adalah 0,57467 dan 0,33424 dan root mean square (RSME) nilai di bawah 5% oleh model, yang diterima. Studi ini menunjukkan bahwa pemodelan teknik sebagai pendekatan dalam energi alternatif dapat memberikan peningkatan keuntungan dari kehandalan dalam prediksi kinerja mesin pembakaran dalam. </jats:p>
dc.language	en
dc.publisher	Universitas Tarumanagara
dc.relation.ispartof	Jurnal Muara Sains Teknologi Kedokteran dan Ilmu Kesehatan
dc.relation.isbasedon	10.24912/jmstkik.v1i1.391
dc.rights	info:eu-repo/semantics/closedAccess
dc.title	PREDIKSI KINERJA MESIN DIESEL DENGAN BAHAN BAKAR BIODIESEL-SOLAR MENGGUNAKAN ARTIFICIAL NEURAL NETWORK
dc.type	Journal Article
utslib.citation.volume	1
pubs.organisational-group	/University of Technology Sydney
pubs.organisational-group	/University of Technology Sydney/Faculty of Engineering and Information Technology
pubs.organisational-group	/University of Technology Sydney/Faculty of Engineering and Information Technology/School of Civil and Environmental Engineering
utslib.copyright.status	closed_access	*
dc.date.updated	2022-09-08T02:08:11Z
pubs.issue	1
pubs.publication-status	Published online
pubs.volume	1
utslib.citation.issue	1

Abstract:

Tulisan ini meneliti kinerja mesin diesel satu silinder menggunakan campuran bahan bakar biodiesel randu dengan solar. Tes dilakukan dengan berbagai perbandingan biodiesel-diesel (B10, B20 dan B30). Sebuah model artificial neural network (ANN) yang didasarkan pada algoritma back-propagasi standar digunakan untuk memprediksi kinerja mesin menggunakan MATLAB. Untuk memperoleh data untuk pelatihan dan pengujian yang diusulkan ANN, kecepatan mesin yang berbeda (1400-2200 rpm) dipilih sebagai parameter masukan, sedangkan kinerja mesin (BSFC dan BTE) dipilih sebagai parameter keluaran untuk ANN pemodelan dari mesin diesel. Kinerja mesin (BSFC dan BTE) ANN telah divalidasi dengan membandingkan hasil prediksi dengan hasil eksperimen. Hasil penelitian menunjukkan bahwa koefisien korelasi BSFC dan BTE masing masing adalah 0,99249 dan 0,99457. Nilai MAPE (mean absolute persentase kesalahan) BSFC dan BTE adalah 0,57467 dan 0,33424 dan root mean square (RSME) nilai di bawah 5% oleh model, yang diterima. Studi ini menunjukkan bahwa pemodelan teknik sebagai pendekatan dalam energi alternatif dapat memberikan peningkatan keuntungan dari kehandalan dalam prediksi kinerja mesin pembakaran dalam.

Please use this identifier to cite or link to this item:

http://hdl.handle.net/10453/161519