KLASIFIKASI KEBARUAN PELUMAS MESIN MENGGUNAKAN SPEKTROFOTMETER DENGAN METODE MACHINE LEARNING

RAHMAH HANIFAH, . (2025) KLASIFIKASI KEBARUAN PELUMAS MESIN MENGGUNAKAN SPEKTROFOTMETER DENGAN METODE MACHINE LEARNING. Sarjana thesis, UNIVERSITAS NEGERI JAKARTA.

	Text COVER.pdf Download (607kB)
	Text BAB I.pdf Download (664kB)
	Text BAB II.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text BAB III.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text BAB IV.pdf Restricted to Registered users only Download (2MB) | Request a copy
	Text BAB V.pdf Restricted to Registered users only Download (645kB) | Request a copy
	Text Daftar Pustaka.pdf Download (660kB)
	Text Lampiran dan Daftar Riwayat Hidup.pdf Restricted to Registered users only Download (849kB) | Request a copy

Abstract

Klasifikasi pelumas yang akurat sangat penting untuk menjaga kinerja mesin dan memperpanjang umur komponen mekanis, terutama dalam aplikasi yang memerlukan kontrol kualitas yang cepat dan hemat biaya. Penelitian ini menginvestigasi penggunaan spektrofotometri, dengan memanfaatkan spektrofotometer yang digabungkan dengan algoritma Machine Learning untuk mengklasifikasikan pelumas baru dan bekas berdasarkan pola absorbansi spektral mereka. Data spektral yang dikumpulkan menggunakan spektrofotometer diproses melalui teknik seperti pembersihan berbasis filter, Principal Component Analysis (PCA) untuk reduksi dimensi, dan pemilihan fitur untuk mengidentifikasi fitur yang paling relevan. Algoritma yang diterapkan antara lain Random Forest, Support Vector Machine, K-Nearest Neighbors, dan Naïve Bayes, dengan Random Forest dan KNN mencapai akurasi tertinggi. Model yang dikembangkan menunjukkan tingkat akurasi rata-rata 100%, membuktikan kemampuan model dalam membedakan pelumas baru dan bekas berdasarkan pola absorbansi yang berbeda. Penelitian ini membuktikan potensi penggabungan analisis spektrofotometri dengan Machine Learning untuk menawarkan solusi yang hemat biaya dan dapat diandalkan dalam pemantauan kualitas pelumas di industri otomotif, dengan deteksi kondisi pelumas yang tepat waktu sangat penting untuk efisiensi dan umur panjang mesin. ***** Accurate classification of engine oils is crucial for maintaining machine performance and extending the lifespan of mechanical components, particularly in applications requiring rapid and cost-effective quality control. This study investigates the use of spectrophotometry, utilizing a spectrophotometer combined with Machine Learning algorithms to classify new and used engine oils based on their spectral absorbance patterns. Spectral data collected using the spectrophotometer are processed through techniques such as filter-based cleaning, Principal Component Analysis (PCA) for dimensionality reduction, and feature selection to identify the most relevant features. Algorithms applied include Random Forest, Support Vector Machine, K-Nearest Neighbors, and Naïve Bayes, with Random Forest and KNN achieving the highest accuracy. The developed model demonstrates an average accuracy rate of 100%, proving its ability to distinguish between new and used engine oils based on their differing absorbance patterns. This research demonstrates the potential of combining spectrophotometric analysis with Machine Learning to offer a cost-effective and reliable solution for engine oil quality monitoring in the automotive industry, where timely detection of engine oil conditions is crucial for efficiency and the longevity of machines.

Item Type:	Thesis (Sarjana)
Additional Information:	1.) Dr. rer. nat Bambang Heru Iswanto, M.Si. ; 2.) Fachriza Fathan, M.Si.
Subjects:	Sains > Sains, Ilmu Pengetahuan Alam Sains > Fisika Teknologi dan Ilmu Terapan > Teknologi (umum)
Divisions:	FMIPA > S1 Fisika
Depositing User:	Rahmah Hanifah .
Date Deposited:	29 Aug 2025 03:22
Last Modified:	29 Aug 2025 03:22
URI:	http://repository.unj.ac.id/id/eprint/62231

Actions (login required)

View Item