Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pelumas mesin adalah zat kimia berbentuk cairan yang diberikan diantara dua benda yang bergerak untuk mengurangi gaya gesek yang terjadi. Pelumas mesin perlu diganti secara berkala untuk menjaga keawetan mesin kendaraan roda empat. Produsen pabrikan kendaraan roda empat sudah memberikan jangka waktu penggantian pelumas kepada konsumen, namun jangka waktu tersebut hanya berupa acuan. Tujuan dari penilitian ini adalah mempelajari metode perhitungan untuk menemukan waktu penggantian pelumas yang tepat beserta parameternya, mempelajari hubungan dan karakteristik antara temperatur pelumas mesin dengan temperatur coolant, serta mempelajari hubungan perilaku berkendara terhadap penurunan kondisi pelumas mesin. Penilitian ini dilakukan dengan mengambil data temperatur pelumas mesin dan coolant menggunakan Ancel kemudian dilakukan analisis untuk mendapatkan rumus penentuan temperatur pelumas mesin dan didapati mean absolute error sebesar 0 hingga 3,60. Penilitian ini dilakukan dengan melakukan pengujian perilaku berkendara eco, normal, dan sport sejauh 300 km tiap perilaku berkendara. Pada penelitian ini, data kecepatan putaran mesin dan temperatur coolant diambil melalui OBD II lalu diolah menggunakan Raspberry Pi menjadi RPS dan temperatur pelumas mesin kemudian diolah lebih lanjut oleh backend kemudian data tersebut dikirimkan ke Android. Pada aplikasi Android, output dari hasil pengolahan data tersebut ditampilkan menjadi persentase kondisi pelumas mesin, jarak sisa tempuh pelumas mesin, dan waktu sisa tempuh pelumas mesin. Hasil pengujian menunjukkan bahwa pada perilaku berkendara sport, kondisi pelumas mesin mengalami penurunan paling besar di angka 3,9% diikuti dengan normal sebesar 3,18% dan yang mengalami penurunan paling sedikit adalah eco dengan 2,39%.

---

Engine oil is a liquid chemical that is given between two moving objects to reduce the frictional force that occurs. Engine lubricant needs to be replaced periodically to maintain the durability of four-wheeled vehicles. Manufacturers of four-wheeled vehicle manufacturers have given the lubricant replacement period to consumers, but this time period is only a reference. The purpose of this research is to study the calculation method to find the right time to replace the lubricant along with its parameters, study the relationship and characteristics between engine lubricant temperature with coolant temperature, and study the relationship of driving behavior to decrease engine lubricant conditions. This research was carried out by taking data on engine lubricant temperature and coolant using Ancel and then analyzing it to get the formula for determining engine oil temperature and found the mean absolute error of 0 to 3.60. This research is done by testing the driving behavior of eco, normal, and sport as far as 300 km for each driving behavior. In this study, engine speed and coolant temperature data are taken through OBD II and then processed using Raspberry Pi into RPS and engine lubricant temperature then further processed by the backend then the data is sent to Android. On the Android application, the output of the data processing results is displayed as a percentage of engine lubricant conditions, engine lubricant remaining distance, and engine lubricant remaining time. The test results show that in sports driving behavior, the condition of engine lubricants decreased the most at 3.9% followed by normal at 3.18% and the lowest decreased was eco with 2.39%."

"Dengan berbagai kemajuan teknologi, transportasi tetap bertanggung jawab sebagai penyumbang polusi udara terbesar khususnya emisi CO2. Dampak emisi CO2 ini sangat berbahaya bagi kesehatan dan lingkungan. Sudah ada beberapa cara yang dilakukan untuk mengurangi dampak yang dihasilkan emisi CO2 pada kendaraan roda empat. Salah satunya dengan melakukan tes emisi. Prosedur tes emisi ini dilakukan dengan perilaku berkendara tetap yang menyebabkan tes ini tidak representative terhadap keadaan nyata di jalan, oleh karena itu dibutuhkan monitoring langsung pada perilaku berkendara yang berbeda-beda. Dengan memanfaatkan teknologi OBD II dan konsep IoT (Internet of Things), peneliti dapat melakukan pengembangan ke arah monitoring. Pengembangan dilakukan dengan cara menghubungkan OBD II dan Raspberry Pi ke kendaraan roda empat. Perhitungan emisi CO2 dilakukan dengan memanfaatkan data MAF yang diperoleh dari OBD II. Hasil perhitugan tersebut dikirim ke aplikasi Android melalui Cloud Server agar dapat dibaca oleh pengguna aplikasi Android tersebut. Untuk memverifikasi model perhitungan, pengetesan dilakukan pada Nissan Juke tahun 2015 dengan melakukan uji jalan sejauh 300km pada tiga perilaku berkendara yang berbeda. Emisi CO2 yang dihasilkan diukur menggunakan Portable CO2 Meters Detector Tvoc Hcho AQI Monitor dan dibandingkan dengan hasil uji pada aplikasi. Nilai error verifikasi pengukuran pada masing-masing perilaku berkendara yaitu 11,65 % untuk eco, 7,38% untuk Normal, dan 49,56% untuk Sport. pengetesan yang dilakukan juga menunjukkan bahwa model perilaku berkendara Eco memiliki tingkat emisi terendah dibanding dua perilaku berkendara lainnya dengan jumlah emisi CO2 yang dihasilkan sebesar 33.401,25 g sedangkan untuk Normal dan Sport masing-masing secara berurutan menghasilkan emisi CO2 sebesar 56.250,26 g dan 123.122,99 g. Kemudian apabila dihubungkan dengan parameter perilaku berkendara, perilaku berkendara Eco dengan interval nilai Accelerator Position 4,63% – 10,99% menghasilkan CO2 per detiknya sebesar 0,57 g/s – 1,93 g/s, perilaku berkendara Normal dengan interval nilai Accelerator Position 16,23% – 24,15% menghasilkan CO2 per detiknya sebesar 3,37 g/s – 5,09 g/s, dan perilaku berkendara Sport dengan interval nilai Accelerator Position 71,89% – 78,39% menghasilkan CO2 per detiknya sebesar 13,00 g/s – 14,24 g/s.

---

With various technological advances, transportation remains responsible as the biggest contributor to air pollution, especially CO2 emissions. The impact of CO2 emissions is very dangerous for health and the environment. There have been several ways to reduce the impact of CO2 emissions on four-wheeled vehicles. One of them is by conducting emission tests. This emission test procedure is carried out with a fixed driving behavior which causes this test not to be representative of the actual situation on the road, because of that we require direct monitoring of different driving behaviors. By utilizing OBD II technology and collaborating with the concept of IoT (Internet of Things) Researchers can make development towards monitoring. Development is carried out by connecting the OBD II and Raspberry Pi that has been programmed to calculate CO2 emissions. The calculation of CO2 emissions is done by calculating the MAF data that can be obtained from OBD II. The results of these calculations are sent to the Android application via Cloud Server so that they can be read by the application's users. To verify the calculation model, testing was done on the 2015 Nissan Juke by conducting a road test on three different driving behaviors. The resulting CO2 emissions are measured using Portable CO2 Meters Detector Tvoc Hcho AQI Monitor and compared with test results on the application. The verification error measurement value on each driving behavior is 11,65% for Eco, 7,38% for Normal, and 49,56% for Sport. The testing also shows that the Eco-driving behavior model has the lowest emission level compared to the other two driving behaviors with the amount of CO2 emissions produced of 33.401,25 g while for Normal and sport respectively produced CO2 emissions of 56.250,26 g and 123.122,99 g. Then when connected with driving behavior parameters, Eco-driving behavior with an interval value of Accelerator Position 4.63% - 10.99% produces CO2 per second of 0.57 g/s - 1.93 g/s, Normal driving behavior with an interval value Accelerator Position 16.23% - 24.15% produces CO2 per second of 3.37 g/s - 5.09 g/s and Sport driving behavior with an interval of Accelerator Position 71.89% - 78.39% produces CO2 per second of 13.00 g/s - 14.24 g/s."

"Salah satu komponen penting dalam kendaraan adalah sistem pengereman. Fungsi utama dari sistem pengereman adalah memberikan deselerasi sehingga dapat memberhentikan laju kendaraan. Bagian penting dari komponen pengereman salah satunya adalah kampas rem. Namun unttuk mengetahui kondisi fisik dari kampas rem perlu dilakukan pembongkaran komponen roda dan rem. Sehingga salah satu tahap awal pengembangan adalah dibuatnya sebuah aplikasi yang dapat melakukan prediksi sisa umur dari kampas rem tersebut tanpa harus melakukan pembongkaran. Namun aplikasi tersebut belum 100% sempurna, perlu adanya verifikasi hasil yang dapat membuktikan bahwa aplikasi siap digunakan. Maka dari itu penelitian kali ini akan melakukan verifikasi aplikasi tersebut melalui pendekatan pemantauan kondisi fisik dari kampas rem itu sendiri. Selain itu pada penelitian kali ini, penulis akan mencoba mencari hubungan antara perilaku berkendara dengan pengaruhnya terhadap laju aus kampas rem. Setelah dilakukan pengujian jalan dengan 3 perilaku berkendara berbeda, didapatkan hasil bahwa pengendara dengan perilaku eco akan terjadi aus sebesar 0.42%, perilaku normal sebanyak 1.65% dan perilaku sport sebanyak 44.96% dari tebal kampas rem semula. Terdapat hasil yang signifikan pada perilaku berkendara sport karena pada perilaku ini tekanan dan suhu pengereman akan sangat tinggi jika dibandingkan dengan eco dan normal. Selain itu juga diketahui bahwa masih terdapat salah alur perhitungan pada program yang dijalankan pada aplikasi dengan faktor koreksi sebesar 33.37. Setelah dilakukan koreksi pada program, faktor koreksi menjadi 0.99. Faktor koreksi ini adalah rasio perbandingan dengan hasil prediksi umur kampas rem berdasarkan pengamatan langsung perubahan ketebalan kampas rem hasil uji jalan.

---

One important component in a vehicle is the braking system. The main function of the braking system is to provide deceleration so as to stop the vehicle speed. One important part of the braking component is the brake lining. But to know the physical condition of the brake lining, it is necessary to dismantle the wheel and brake components. So that one of the initial stages of development is to make an application that can predict the remaining life of the brake lining without having to do the demolition. However, the application is not 100% perfect, it is necessary to verify the results that can prove that the application is ready to use. Therefore this study will verify the application with the physical condition monitoring approach of the brake lining itself. In addition, in this study, the author will try to find a relationship between driving behavior and its effect on the wear rate of the brake lining. After testing the road with 3 different driving behaviors, it was found that the driver with eco behavior would consume 0.42%, normal behavior as much as 1.65% and sport behavior as much as 44.96% of the thickness of the original brake lining. There is a significant result in sports driving behavior because in this behavior the braking pressure and temperature will be very high when compared to eco and normal. In addition, it is also known that there is still a wrong calculation flow in the program running in the application with a correction factor of 33.37. After making corrections to the program, the correction factor becomes 0.99. This correction factor is the ratio of the ratio with the results of prediction of the age of the brake lining based on direct observation of changes in the thickness of the brake lining on the results of the road test."

"Konsumsi bahan bakar pada kendaraan roda empat tidaklah terlalu efisien. Salah satu alasan di balik kurang efisiennya penggunaan bahan bakar adalah perilaku berkendara yang tidak tepat karena didasar pada perasaan pengemudi. Hal ini menghasilkan efisiensi konsumsi BBM rendah. Untuk mengatasi masalah tersebut, dibutuhkan suatu sistem di mana perilaku berkendara seorang pengemudi dan konsumsi bahan bakar yang dihasilkan dapat dinilai dan dikalkulasikan. Penelitian ini mencoba untuk mengembangkan sistem di mana data dari On-Board Diagnostics-II (OBD-II) Port diambil oleh Raspberry Pi dan dikalkulasikan untuk mendapat angka konsumsi BBM, dan dikirim ke backend cloud storage untuk disimpan. Data tersebut didapatkan melalui serangkaian kegiatan berkendara yang dimonitor untuk mengembangkan aplikasinya dengan mengambil data accelerator pedal position dan fuel economy, sebelum akhirnya menggunakan data sesungguhnya dari kegiatan berkendara biasa. Hasil yang didapat adalah, fuel economy perilaku berkendara sport bernilai 0,4-5,9 km/L, normal 4,8-8,5 km/L, eco 8,5-11,1 km/L. Data accelerator pedal position perilaku berkendara eco 6-12%, normal 12-24%, sport 24-45%. Data ini kemudian ditampilkan melalui telepon genggam Android melalui serangkaian protokol yang mengambil data yang sudah dikalkulasikan dari cloud storage dan menyajikannya dalam format yang lebih mudah dimengerti bagi penggunanya. Lalu dilakukan validasi konsumsi BBM melalui aplikasi dengan metode full-to-full yang menghasilkan angka Mean Absolute Percentage Error (MAPE) sebesar rata-rata 13,1%. Angka ini merupakan angka kesalahan rata-rata aplikasi.

---

Fuel consumption in automobiles are not particularly efficient. One of the reasons behind the inefficiency is improper driving behavio due to the usage of feeling and judgment. To mitigate this problem, there needs to be a system where driver's driving behavior and the car's fuel consumption can be assessed and calculated. This research tried to develop a system where data from car's OBD-II Port are taken by Raspberry Pi, sent to cloud database, where it is then calculated to acquire the driving behavior and fuel consumption. The data are first obtained through a series of monitored driving to develop the application, before using real data from usual driving activity. The results are driving behavior's fuel consumption figure which is sport 0,4-5,9 km/L, normal 4,8-8,5 km/L, sport 8,5-11,1 km/L. The accelerator pedal position figures fore eco is 6-12%, 12-24%, and sport 24-45%.  This data is displayed on an Android phone through sets of protocol that collect the calculated data from cloud database and serve it in a more understandable manner in order for users to acquire useful information regarding the fuel consumption and driving behavior. The final application's fuel economy figures are then validated using full-to-full method to produce Mean Absolute Percentage Error (MAPE) which is 13,1%. This is the application's average fuel consumption reading's figure."

"Kendaraan roda empat merupakan diperlukan pemantauan secara berkala dan rutin agar tetap optimal dalam operasionalisasinya. Industri 4.0 memperkenalkan pemanfaatan Internet sebagai IoT sehingga segala keadaan teknologi dapat terhubung langsung dengan internet dan dapat diketahui dengan mudah oleh manusia sebagai penggunanya. Dalam hal kendaraan roda empat, pemantauan perlu dilakukan pada setiap komponen termasuk komponen mesin salah satunya air filter. Dengan menerapkan IoT, terdapat sebuah aplikasi yang dapat mengetahui keadaan air filter pada kendaraan roda empat. Aplikasi tersebut menerapkan nilai caf sebagai nilai yang menggambarkan kondisi air filter pada kendaraan roda empat. Nilai caf tersebut akan semakin menurun apabila air filter sudah berada pada kondisi semakin buruk.Penelitian ini akan melakukan verifikasi terhadap kondisi air filter yang ditunjukan pada aplikasi tersebut dengan menggunakan alat alternatif. Penelitian dilakukan dengan menggunakan 3 klasifikasi berkendara yang berbeda dan pada tingkat udara yang tidak sehat dengan malukan perjalanan sejauh 300 km. Kendaraan roda empat yang digunakan memiliki mesin bensin 1500 cc dengan kondisi air filter yang baru pada setiap perjalanannya. Penelitian dilanjutkan dengan memverifikasi nilai caf yang diperoleh dengan alat alternatif untuk mengetahui nilai error yang diperoleh pada aplikasi. Alat alternatif akan menggunakan cahaya sebagai langkah untuk mengetahui kondisi air filter.Hasil akhir dari penelitian ini yaitu pengembangan dari aplikasi yang telah dikembangkan sebelumnya menggunakan hasil verifikasi sebagai dasarnya. Hasil verifikasi dari penelitian dapat menentukan pengaruh dari klasifikasi berkendara dan tingkat polusi udara pada penurunan kondisi air filter. Kondisi air filter akan diberikan dalam nilai persen baik pada saat pengambilan data maupun hasil verifikasi. Persen kondisi air filter dapat memberikan estimasi waktu penggantian filter udara dalam bulan tersisa sehingga dapat diketahui kondisi terbaik air filter merupakan hasil dari salah satu klasifikasi berkendara. Estimasi air filter baru berdasarkan produsen adalah 18 bulan apabila digunakan pada lingkungan yang kotor. Estimasi produsen tersebut akan dibandingkan dengan estimasi dari hasil pendekatan matematika dan pendekatan linear.

---

Four-wheeled vehicles are required regular and routine monitoring to remain optimal for operation. Industry 4.0 introduces the use of the Internet as an IoT so that all technological things can be connected directly to the internet and can be easily used by humans as users. In the case of four-wheeled vehicles, monitoring needs to be carried out on every component including the engine components, one of which is the air filter. By implementing IoT, there is an application that can determine the state of the air filter on four-wheeled vehicles. The application applies the value of caf as a value that describes the condition of the water filter on four-wheeled vehicles. The value of the caf will decrease if the water filter is in a worse condition.This research will verify the condition of the water filter shown in the application by using an alternative tool. The study was conducted using 3 different driving classifications and at unhealthy air levels by traveling 300 km. The four-wheeled vehicle has a 1500 cc petrol engine with new air filter conditions on each trip. The study continued by verifying the value of caf obtained with alternative tools to determine the value of the error obtained in the application. An alternative tool will use light as a way to find out the condition of the filter water.The final result of this research is the development of an application that has been developed previously using the results of verification as a basis. Verification results from the study can determine the effect of the classification of driving and air pollution levels on decreasing air filter conditions. The condition of the filter water will be given in percent values both at the time of data collection and verification results. Percent of air filter conditions can provide an estimate of the time of air filter replacement in the remaining months so that it can be seen the best condition of the air filter is the result of one of the driving classifications. The estimated new filter water based on the manufacturer is 18 months when used in a dirty environment. Estimates of these producers will be compared with estimates of the results of a mathematical approach and a linear approach."

"Aki merupakan sebuah komponen penting dalam sebuah kendaraan roda empat, oleh karena aki sebagai penyedia arus listrik pada saat penyalaan yang membutuhkan energi listrik secara besar dan cepat, sehingga performa aki harus dipantau agar tidak memperngaruhi kenyamanan dalam menggunakan kendaraan roda empat. Kendaraan roda empat biasanya tidak memiliki indikator atau instrument yang memberi peringatan jika performa aki sudah berkurang, juga sulitnya dan tidak tepatnya melihat kondisi aki dengan melihat langsung indikator aki, jika aki tersebut dilengkapi dengan indikator. Sehingga pada penelitian kali ini dibuatnya aplikasi pemantauan performa aki yang berbasis android, sehingga performa aki dapat dilihat dengan mudah dan juga dapat nilai performa secara akurat, juga dalam penelitian kali ini, penelitian juga membuat perbandingan performa aki dalam tiga cara berkendara, yaitu Sport, normal, dan eco, dengan adanya tiga cara berkendara penelitian ini akan memiliki hasil perbedaan performa dengan cara berkendara. Penelitian ini dilakukan dengan cara mengambil dua nilai voltase aki yang berurutan pada saat penyalaan sehingga kita dapat mengkalkulasi niali performa aki. nilai voltase aki tersebut diambil menggunakan bantuan OBD-II pada kendaraan roda empat menggunakan ELM327 yang terhubung dengan Raspberry Pi sebagai penyimpan, pengolah, dan pengirim data ke aplikasi android, sehingga data performa aki dapat langsung dilihat pada aplikasi android.Pada penelitian ini juga didapati aki yang digunakan tidak memiliki pengaruh terhadap suhu kerja aki, juga kendaraan roda empat yang digunakan juga memiliki pembebanan yang stabil dan juga memiliki perangkat untuk mengetahui energi yang keluar dan masuk dari aki, sehingga didapat nilai perhitungan pada performa aki dapat ditetapkan dengan menggunakan penurunan voltase aki paling besar dengan nilai yang didapat dari pengujian. Pada kendaraan roda empat ini memiliki teknologi yang memaksimalkan energi perlambatan untuk dijadikan energi listrik yang disimpan kedalam aki, sehingga pada cara berkendara sport memiliki nilai performa aki yang tinggi hingga +7% dan pada cara berkendara eco memiliki nilai performa aki yang lebih rendah -1,4% dari yang diberikan produsen aki, dan cara berkendara normal memiliki nilai performa aki +0,3% dari nilai performa yang diberikan oleh produsen aki.

---

The battery is an important component in a four-wheeled vehicle, because the battery as a storage of electric energy when starting. Starting requires large and fast electrical energy, so battery performance must be monitored to affect the comfort of using a four-wheeled vehicle. Four-wheeled vehicles usually do not have indicators or instruments that give a warning if the battery performance has decreased, it is also difficult to see the condition of the battery by looking directly at the battery indicator, if the battery is equipped with an indicator. So in this research, an Android-based battery performance monitoring application was made, so the battery performance can be seen easily and can also be accurately assessed performance, also in this research, this study also made a comparison of battery performance in three driving behaviour, Sport, Normal , and Eco, with the existence of three ways of driving behaviour this study will have the results of differences in performance by driving. This research was conducted by taking two consecutive battery voltage values at the time of ignition so that we can calculate the battery performance value. The battery voltage value is taken using OBD-II on four-wheeled vehicles using ELM327 which is connected to the Raspberry Pi as a storage, processing, and sending data to the Android application, so that battery performance data can be seen directly in the Android application. The battery not have an effect on the working temperature of the battery, also the four-wheeled vehicles used also have a stable loading and also the four-wheeled vehicles have a current sensor, a device to find out the energy that charge or discharge from four-wheeled vehicles battery, so that the calculation value on battery performance can be determined using the largest reduction in battery voltage with the value obtained from testing. This four-wheeled vehicle has technology that maximizes deceleration energy to be converted into electrical energy stored in the battery, so that in sports driving, the battery performance value is high up to + 7% and in eco-driving it has a lower battery performance value of -1, 4% of what the battery manufacturer provides, and normal driving has a battery performance value of + 0.3% of the performance value given by the battery manufacturer."