<![CDATA[Penelitian ini bertujuan untuk mengembangkan metode pengukuran percepatan kendaraan bermotor dengan menggunakan data kecepatan tanpa memerlukan alat ukur percepatan tambahan, sehingga alat pengukuran tersebut lebih efisien dan ekonomis. Dasar teori yang dipergunakan adalah bahwa percepatan merupakan perubahan kecepatan pada waktu tertentu. Hasil dari percepatan secara teori dapat menggunakan perhitungan formula penurunan dari hasil pengukuran kecepatan, akan tetapi hasil perhitungan konvensional dengan formula penurunan kecepatan dibandingkan dengan hasil pengukuran alat ukur percepatan memberikan deviasi hasil konversi yang terlalu besar. Oleh sebab itu, formula konvensional tersebut digantikan oleh pendekatan berbasis jaringan saraf tiruan (JST) untuk memodelkan hubungan antara kecepatan dan percepatan secara lebih akurat. Pada penelitian ini, data kecepatan kendaraan diukur menggunakan global positioning system (GPS) dengan frekuensi akuisisi data sebesar 10 Hz. Data tersebut digunakan sebagai data set pada JST yang terbagi atas 90% data training dan 10% data testing. Jika dibandingkan dengan pendekatan yang lain optimasi hyperparameter JST dilakukan secara otomatis menggunakan pendekatan Bayesian Optimization karena kemampuannya dalam memilih parameter secara efisien dan menghindari hasil optimal pada lokal minimum. Model JST yang terbaik diuji menggunakan data testing pertama dengan hasil nilai mean absolute error (MAE) sebesar 0.06373, root mean square error (RMSE) sebesar 0.08434, dan koefisien determinasi (R²) sebesar 0.82456, selanjutnya data testing kedua dengan hasil nilai MAE sebesar 0.07061, RMSE sebesar 0.09112, dan R² sebesar 0.78517. Hasil metode ini menunjukkan potensi penerapan dalam pengukuran percepatan kendaraan dengan akurat dan bisa dikembangkan lebih lanjut untuk berbagai skenario kendaraan dinamis, integrasi real-time dengan sistem navigasi, serta penerapan pada kendaraan otonom atau sistem monitoring berbasis IoT. ]]>
Copyrights © 2025
