Wijanarko, Fernanda Rizqi (2020) Prediksi Konsumsi Bahan Bakar Pada KM Meratus Waingapu Dengan Menggunakan Automated Machine Learning. Other thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
04211641000019-Undergraduate_Thesis.pdf Download (5MB) | Preview |
Abstract
Saat ini dengan industri kapal bergerak menuju era digitalisasi, dimana terdapat peningkatan jumlah otomatisasi dan self-monitoring dalam operasi kapal yang memungkinkan mesin untuk menganalisis dan mendiagnosis masalah. Karena itulah, untuk meningkatkan efisiensi operasi pengiriman, biaya operasi itu sendiri harus diramalkan sebelumnya untuk mendukung proses pengambilan keputusan. Dalam studi ini, model regresi yang akurat untuk konsumsi bahan bakar mesin utama menggunakan automated machine learning diusulkan untuk menemukan cara paling akurat untuk memperkirakan konsumsi bahan bakar. Metode ini dilakukan dengan pengumpulan data, pembersihan data, dan pengolahan data. Proses otomasi dilakukan dengan python library TPOT yang merupakan alat Python Automated Machine Learning yang mengoptimalkan pipeline machine learning menggunakan pemrograman genetik. Hasil yang diharapkan dalam tesis ini adalah model prediksi bahan bakar yang menghasilkan nilai prediksi sedekat mungkin dengan data sebenarnya. Analisis dilakukan dengan data yang diambil dari KM. Meratus Waingapu. Untuk mengukur seberapa baik data memprediksi konsumsi bahan bakar, RMSE (Root Mean Square Error) digunakan. RMSE merupakan nilai standar deviasi antara prediktor dan targetnya. Selain RMSE, nilai R-squared juga digunakan, nilai ini menunjukkan koefisien korelasi antara nilai target dan nilai sebenarnya yang diperoleh dari model regresi. Pada studi ini, model berperforma terbaik didapat dari model dengan 4 fitur yaitu: kecepatan, beban mesin, perpindahan dan kondisi laut dengan nilai RMSE 127.05 yang berarti 68,2% error prediksi berada pada kisaran 127.05 ton dan nilai R-squared 0,845. model berperforma terburuk didapat dari model menggunakan 1 fitur yaitu kondisi laut dengan nilai RMSE 326,93 dan nilai R-Squared -0,019.
=======================================================================================================================================
Nowdays with the ship industry move towards digitalization, there is increasing number of automation and self monitoring in ship operation that allow the machine to analyze and diagnose issue. That’s why, to increase the efficiency of shipping operation, the operation cost itself need to be forecast beforehand to support decision-making process. In this study, an accurate regression model for the fuel consumption of the main engine using automated machine learning was propose to find the most accurate way to estimate the fuel consumption. This method is done by data collecting, data cleaning, and data processing. The automation process is done by python library TPOT which is a Python Automated Machine Learning tool that optimizes machine learning pipelines using genetic programming The expected result in this thesis is the fuel prediciton model that generate the predicted value as close as posible to the real data. The analysis is done with data taken from MV. Meratus Waingapu deck log and engine room log. To measure how good the data perform RMSE (Root Mean Square Error) which is the standard deviation value of the residual (prediction errors). Beside that measurement, R-squared value also used, this value indicate a correlation coefficient between target and output values obtained from regression models. In this study, the best performing model is got from model with 4 feature which is: speed, engine load, displacement and sea condition with RMSE value of 127.05 which means that 68,2% of prediction error is within 127.05 ton and R-squared value of 0.845. the worst performing model is got from model using 1 feature which is sea condition with RMSE value of 326.93 and R-Squared value of -0.019.
| Item Type: | Thesis (Other) |
|---|---|
| Additional Information: | RSSP 623.874 Wij p-1 2020 |
| Uncontrolled Keywords: | Konsumsi bahan bakar, Machine Learning |
| Subjects: | V Naval Science > VM Naval architecture. Shipbuilding. Marine engineering > VM276.A1 Fuel (Including supplies, costs, etc.) |
| Divisions: | Faculty of Marine Technology (MARTECH) > Marine Engineering > 36202-(S1) Undergraduate Thesis |
| Depositing User: | Fernanda Rizqi Wijanarko |
| Date Deposited: | 23 Aug 2020 23:03 |
| Last Modified: | 20 Nov 2023 07:26 |
| URI: | http://repository.its.ac.id/id/eprint/80341 |
Actions (login required)
 |
View Item |