UNKLABUNKLAB
CogITo Smart JournalCogITo Smart JournalPenelitian ini bertujuan untuk mengurangi kesalahan manusia dalam pemilihan mesin untuk pemeliharaan prediktif menggunakan deep learning. Dataset yang digunakan dalam penelitian ini adalah data operasional mesin alat berat dari salah satu perusahaan kelapa sawit di Indonesia dengan 9 fitur independen dan 1 fitur dependen. Fitur dependen adalah fitur target yang berisi dua kelas target yang mewakili mesin yang efektif dan tidak efektif. Dataset dalam penelitian ini mengandung outlier, skala fitur yang sangat berbeda, dan kelas data tidak seimbang. Untuk menangani outlier dan menstandarisasi skala data, metode Z-score digunakan. Sementara itu, metode over sampling digunakan untuk menangani kelas data tidak seimbang. Untuk memperoleh kinerja model terbaik, jumlah epoch dan dua jenis optimizer (adam & adamax) dari neural network dipilih. Dalam memilih jumlah epoch, eksperimen dilakukan menggunakan 100 epoch. Penelitian ini memperoleh hubungan linearitas antara jumlah epoch dan akurasi dengan nilai akurasi menggunakan optimizer Adam dan Adamax adalah 94,82% dan 93,11% pada epoch ke-100.
Penelitian ini menunjukkan bahwa pendekatan deep learning dapat meningkatkan akurasi dalam mengklasifikasikan kondisi mesin alat berat.Hasil penelitian menunjukkan bahwa optimizer Adam memberikan kinerja yang lebih baik dibandingkan Adamax dalam dataset yang digunakan.Selain itu, penyesuaian hyperparameter seperti jumlah epoch memiliki dampak signifikan terhadap hasil akhir model.Oleh karena itu, pemilihan optimizer yang tepat dan penentuan jumlah epoch yang optimal sangat penting untuk meningkatkan kinerja model.
Berdasarkan hasil penelitian ini, terdapat beberapa saran penelitian lanjutan yang dapat dilakukan. Pertama, perlu dilakukan eksplorasi lebih lanjut terhadap jenis-jenis optimizer lain, seperti RMSprop dan Adagrad, untuk menguji efektivitasnya dalam meningkatkan kinerja model. Kedua, investigasi terhadap kombinasi hyperparameter yang lebih kompleks, termasuk learning rate schedules dan batch sizes, dapat memberikan wawasan lebih lanjut dalam mengoptimalkan model deep learning untuk klasifikasi efisiensi mesin. Ketiga, penelitian dapat difokuskan pada pengembangan model yang mampu mengintegrasikan data sensor dari mesin secara real-time untuk meningkatkan akurasi prediksi kegagalan mesin. Dengan demikian, perusahaan dapat melakukan pemeliharaan secara lebih proaktif dan mengurangi downtime yang tidak terduga, sehingga meningkatkan efisiensi operasional secara keseluruhan. Pengembangan model yang lebih adaptif terhadap perubahan kondisi operasional mesin juga menjadi fokus penting, sehingga model dapat memberikan rekomendasi pemeliharaan yang lebih akurat dan relevan.
- High performance of optimizers in deep learning for cloth patterns detection | Amelia Dewi | IAES International... doi.org/10.11591/ijai.v12.i3.pp1407-1418High performance of optimizers in deep learning for cloth patterns detection Amelia Dewi IAES International doi 10 11591 ijai v12 i3 pp1407 1418
- An analysis of predictive maintenance strategies in supply chain management. analysis predictive maintenance... doi.org/10.30574/ijsra.2022.6.1.0144An analysis of predictive maintenance strategies in supply chain management analysis predictive maintenance doi 10 30574 ijsra 2022 6 1 0144
- Pengembangan Aplikasi E-learning Berbasis Web Menggunakan Model Waterfall Pada SMK Strada 2 Jakarta |... ejurnal.umri.ac.id/index.php/JIK/article/view/1878Pengembangan Aplikasi E learning Berbasis Web Menggunakan Model Waterfall Pada SMK Strada 2 Jakarta ejurnal umri ac index php JIK article view 1878
- Mechanisation Technology for Small-Scale Oil Palm Plantations | Advances in Agricultural and Food Research... doi.org/10.36877/aafrj.a0000406Mechanisation Technology for Small Scale Oil Palm Plantations Advances in Agricultural and Food Research doi 10 36877 aafrj a0000406
| File size | 571.31 KB |
| Pages | 13 |
| DMCA | Report |
Related /
STKIP MELAWISTKIP MELAWI Penerapan pendekatan Deep Learning dalam penelitian ini memberikan kontribusi penting dalam memetakan kompleksitas bahasa remaja secara lebih sistematis.Penerapan pendekatan Deep Learning dalam penelitian ini memberikan kontribusi penting dalam memetakan kompleksitas bahasa remaja secara lebih sistematis.
UNISAPUNISAP Penelitian ini bertujuan mendeskripsikan implementasi Meaningful, Joyful, dan Mindful Learning dalam pembelajaran berbasis Deep Learning di sekolah dasar.Penelitian ini bertujuan mendeskripsikan implementasi Meaningful, Joyful, dan Mindful Learning dalam pembelajaran berbasis Deep Learning di sekolah dasar.
LAKASPIALAKASPIA Revitalisasi pendidikan Islam harus dimulai dari perumusan tujuan yang kembali pada esensi syariat.membentuk manusia yang mengenal Allah, berilmu, danRevitalisasi pendidikan Islam harus dimulai dari perumusan tujuan yang kembali pada esensi syariat.membentuk manusia yang mengenal Allah, berilmu, dan
LAKASPIALAKASPIA Revitalisasi nilai-nilai lokal melalui pendidikan merupakan kebutuhan strategis di tengah arus globalisasi dan kemajuan teknologi digital. Kearifan lokalRevitalisasi nilai-nilai lokal melalui pendidikan merupakan kebutuhan strategis di tengah arus globalisasi dan kemajuan teknologi digital. Kearifan lokal
BSIBSI Hasil pengujian menunjukkan sistem dapat mengenali wajah dengan akurasi tinggi bahkan dalam kondisi pencahayaan bervariasi. Dengan demikian, sistem diharapkanHasil pengujian menunjukkan sistem dapat mengenali wajah dengan akurasi tinggi bahkan dalam kondisi pencahayaan bervariasi. Dengan demikian, sistem diharapkan
LAKASPIALAKASPIA Tidak hanya dari sisi keterampilan teknis, tetapi juga dalam sikap dan motivasi belajar. Pembelajaran yang dilaksanakan di luar ruang kelas—baik dalamTidak hanya dari sisi keterampilan teknis, tetapi juga dalam sikap dan motivasi belajar. Pembelajaran yang dilaksanakan di luar ruang kelas—baik dalam
ITENASITENAS Peneliti menerapkan beberapa model machine learning yaitu random forest dan Support Vector Machine (SVM) serta model deep learning yaitu convolutionalPeneliti menerapkan beberapa model machine learning yaitu random forest dan Support Vector Machine (SVM) serta model deep learning yaitu convolutional
UBHINUSUBHINUS Hasil tersebut menunjukkan potensi implementasi pada perangkat edge computing serta aplikasi uji klinis lapangan. Penelitian lanjutan perlu mengoptimalkanHasil tersebut menunjukkan potensi implementasi pada perangkat edge computing serta aplikasi uji klinis lapangan. Penelitian lanjutan perlu mengoptimalkan
Useful /
STKIP MELAWISTKIP MELAWI Demikianlah bak air menjadi sakral dan keramat seakan memiliki kekuatan spiritual sama seperti rumah. Sebab bagi masyarakat Lamaholot, rumah tidak hanyaDemikianlah bak air menjadi sakral dan keramat seakan memiliki kekuatan spiritual sama seperti rumah. Sebab bagi masyarakat Lamaholot, rumah tidak hanya
STKIP MELAWISTKIP MELAWI Subjek penelitian terdiri dari tiga orang tua yang memiliki anak usia 5–6 tahun dan dipilih menggunakan teknik purposive sampling. Data dikumpulkan melaluiSubjek penelitian terdiri dari tiga orang tua yang memiliki anak usia 5–6 tahun dan dipilih menggunakan teknik purposive sampling. Data dikumpulkan melalui
STKIP MELAWISTKIP MELAWI Selain itu, kosakata dalam tradisi tersebut dapat diklasifikasikan ke dalam enam jenis, yaitu kosakata religius, sosial, benda, ritual dan prosesi, tokohSelain itu, kosakata dalam tradisi tersebut dapat diklasifikasikan ke dalam enam jenis, yaitu kosakata religius, sosial, benda, ritual dan prosesi, tokoh
STAI NURULIMANSTAI NURULIMAN Penelitian menggunakan pendekatan yuridis normatif dan menemukan bahwa hakim meringankan hukuman terdakwa karena terdakwa bersikap sopan, belum pernahPenelitian menggunakan pendekatan yuridis normatif dan menemukan bahwa hakim meringankan hukuman terdakwa karena terdakwa bersikap sopan, belum pernah