Text

ANALISIS KOMPARATIF ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) DAN RECURRENT NEURAL NETWORK (RNN) UNTUK KLASIFIKASI KERUSAKAN CVT MOTOR MATIC BERBASIS AUDIO

---

Sistem Continuously Variable Transmission (CVT) pada sepeda motor matic merupakan komponen penting yang berperan dalam menjaga performa kendaraan. Kerusakan pada komponen CVT seperti bearing, roller, dan V-belt dapat menyebabkan perubahan karakteristik suara yang dapat dimanfaatkan sebagai indikator kondisi kendaraan. Namun, proses diagnosis kerusakan masih banyak bergantung pada pengalaman mekanik sehingga bersifat subjektif dan berpotensi menimbulkan kesalahan diagnosis. Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja algoritma Convolutional Neural Network (CNN) berbasis Mel-Spectrogram dan Recurrent Neural Network (RNN) dengan arsitektur Bidirectional Long Short-Term Memory (BiLSTM) dan Long Short-Term Memory (LSTM) berbasis Mel-Frequency Cepstral Coefficients (MFCC) dalam mengklasifikasikan kerusakan CVT motor matic berdasarkan sinyal audio. Dataset yang digunakan terdiri dari 580 data audio berformat WAV yang terbagi ke dalam empat kelas, yaitu normal, bearing, roller, dan V-belt. Data audio melalui tahap prapemrosesan, segmentasi, augmentasi, dan ekstraksi fitur sebelum digunakan dalam proses pelatihan dan pengujian model. Evaluasi kinerja dilakukan menggunakan metrik accuracy, precision, recall, F1-score, dan confusion matrix. Hasil penelitian menunjukkan bahwa model CNN berbasis Mel-Spectrogram memperoleh performa terbaik dengan nilai accuracy sebesar 81,67%, precision sebesar 82,14%, recall sebesar 81,67%, dan F1-score sebesar 81,75%. Sementara itu, model RNN berbasis MFCC memperoleh accuracy sebesar 78,33%, precision sebesar 78,00%, recall sebesar 78,33%, dan F1-score sebesar 77,85%. Pada evaluasi per kelas, model RNN memperoleh nilai F1-score tertinggi sebesar 0,94 pada kelas bearing, sedangkan model CNN memperoleh nilai F1-score tertinggi sebesar 0,86 pada kelas roller. Secara keseluruhan, model CNN menunjukkan kemampuan generalisasi yang lebih baik dibandingkan model RNN dalam klasifikasi kerusakan CVT motor matic berbasis audio.

---

Availability

Detail Information

Call Number

Informatika 621.382 Rak A

Language

Indonesia

NPM

223510641

Publisher

Teknik Informatika : Universitas Islam Riau., 2026

Keyword(s)

Deep Learning
Convolutional Neural Network
Klasifikasi Kerusakan CVT
Sepeda Motor Matic
Recurrent Neural Network
Mel-Spectrogram
MFCC

Other Information

Petugas

Budi Santoso

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment