PERPUSTAKAAN UNIVERSITAS TRILOGI

  • Beranda
  • E-Library
  • Informasi
  • Berita
  • Bantuan
  • Pustakawan
  • E-Resources
    Trilogi Free Journal Perpustakaan Nasional
      E-Resources Perpusnas Indonesia OneSearch
    Gale
      Business & Economic Science & Engineering Social & Humanities
  • Area Member
    Masuk Form Pengunjung
  • Pilih Bahasa :
    Bahasa Arab Bahasa Bengal Bahasa Brazil Portugis Bahasa Inggris Bahasa Spanyol Bahasa Jerman Bahasa Indonesia Bahasa Jepang Bahasa Melayu Bahasa Persia Bahasa Rusia Bahasa Thailand Bahasa Turki Bahasa Urdu

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

{{tmpObj[k].text}}
No image available for this title

Final_Project

Analisis Pengaruh Kecukupan Modal Ukuran Perusahaan Non Perfoming Financial to Deposit Ratio (FDR) Terhadap Kinerja Keuangan BankUmum Syariah yang Terdaftar di Indonesia tahun 2016-2019 Klasifikasi Kerusakan Mobila Avanza Melalui Suara Mesin Menggunanakn Convolutional Neural Network

Alfian Dwi Syahputra - Nama Orang - Pengarang Utama;

Avanza adalah mobil MPV (Multi Vehicle Propose), dibuat oleh perusahaan Toyota
yang banyak dimiliki oleh masyarakat Indonesia. Masyarakat Indonesia memilih
mobil tersebut sebagai mobil serbaguna karena mobil tersebut dikenal gesit untuk
mesin, banyaknya kapasitas tempat duduk, dan irit dalam penggunaan bahan bakar.
Kondisi kesehatan mesin bisa kita ketahui salah satunya dengan suaranya. Mesin
yang bermasalah pasti menimbulkan bunyi yang tidak biasa. Jika kita bisa
mendeteksi kerusakan mobil sejak dini, maka kita dapat terhindar dari masalah saat
di jalan. Penelitian ini akan mengklasifikasi suara dari mobil Avanza keluaran
Toyota dari tahun 2016 hingga 2019. Suara yang akan diklasifikasi adalah suara
mesin yang normal dan suara mesin yang bermasalah di Tensioner, Waterpump,
Piston. Dari data suara mesin yang sehat dan yang bermasalah tersebut akan
dipelajari menggunakan Deep Learning dengan metode Convolutional Neural
Network (CNN). Metode CNN ini akan mengklasifikasikan suara mobil yang sehat
dan tidak normal. Hasil dari penelitian ini memiliki persentase keberhasilan dalam
pengujian 93,75% dengan skema normal memiliki ketepatan 118 suara, ketepatan
tensioner suara 93 suara, ketepatan waterpump 120 suara, ketepatan piston 119
suara. Total data suara yang digunakan pada pengujian memiliki 480 data suara
yang dibagi per-skema dengan 120 data suara dari 30 data suara per-tahun mobil.
Kemudian dilakukan sebuah evaluasi yang dilakukan berdasarkan suara yang
belum diketahui labelnya dan sementari, dalam evaluasi ini memiliki persentase
keberhasilan 43% pada label yang ditentukan secara random dengan skema normal
memiliki ketepatan 21 suara, ketepatan tensioner 9, ketepatan waterpump 6 suara,
ketepatan piston 7 suara. Total data suara yang digunakan pada evaluasi
menggunakan 96 data suara yang dibagi per-skema dengan 24 data suara dari 6 data
suara per-tahun mobil.


Ketersediaan
TI 21/016ReferensiTersedia
Informasi Detail
Judul Seri
-
No. Panggil
TI 21/016
Penerbit
Jakarta : Universitas Trilogi., 2021
Deskripsi Fisik
-
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
-
Tipe Isi
-
Tipe Media
-
Tipe Pembawa
-
Edisi
-
Subjek
-
Info Detail Spesifik
-
Pernyataan Tanggungjawab
-
Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas
Tidak Ada Data
Komentar

Anda harus masuk sebelum memberikan komentar

PERPUSTAKAAN UNIVERSITAS TRILOGI
  • Informasi
  • Layanan
  • Pustakawan
  • Area Anggota

Tentang Kami

Perpustakaan UNIVERSITAS TRILOGI merupakan Pusat Informasi dan sumber belajar yang mempunyai fungsi utamanya adalah menunjang pelaksanaan Tridharma Perguruan Tinggi yang meliputi pendidikan, penelitian dan pengabdian masyarakat. 

1. Membantu terlaksananya pendidikan dan pengajaran yang menuju suatu keahlian professional 

2. Menyediakan koleksi yang memadai demi terlaksananya penelitian terapan 

3. Menjadikan koleksinya sebagai penunjang pelaksanaan pengabdian kepada masyarakat.

Cari

masukkan satu atau lebih kata kunci dari judul, pengarang, atau subjek

Donasi untuk SLiMS Kontribusi untuk SLiMS?

© 2025 — Senayan Developer Community

Ditenagai oleh SLiMS
Pilih subjek yang menarik bagi Anda
  • Karya Umum
  • Filsafat
  • Agama
  • Ilmu-ilmu Sosial
  • Bahasa
  • Ilmu-ilmu Murni
  • Ilmu-ilmu Terapan
  • Kesenian, Hiburan, dan Olahraga
  • Kesusastraan
  • Geografi dan Sejarah
Icons made by Freepik from www.flaticon.com
Pencarian Spesifik