Implementasi Machine Learning Pada Desain Sistem Monitoring Mobil Menggunakan On-board Diagnostic-ii

Samudra Dzikri Gifari Prasetyo, Ahmad Tri Hanuranto, Nyoman Bogi Aditya Karna

Abstract

Abstrak Banyak fitur dari mobil yang mencakup tentang keselamatan pengemudinya, namun masih banyak kecelakaan lalu-lintas terjadi dimana-mana. Salah satu faktor kecelakaan yang cukup umum yaitu malfungsi dari mobil itu sendiri. Salah satu penyebab malfungsi mesin pada mobil dapat terjadi karena kelalaian pengguna memonitor kondisi mobilnya. On-Board Diagnostic (OBD II) merupakan standar internasional berkaitan diagnosa kendaraan yang memungkinkan pengambilan data kendaraan yang didapat dari sensor di mobil melalui Engine Control Unit (ECU). Dengan perangkat interfaceOBDII yaitu ELM327 memungkinkan pengambilan data, pengolahan data dan diagnosa kendaaraan secara realtime. Data yang telah diambil, dikumpulan pada server kemudian diolah oleh machine learning dimana pada perancangan sistem ini digunakan Decision Tree dengan algoritma Classification and Regression Tree (CART) untuk memprediksi terjadinya perubahan kondisi mesin yang tidak baik. Keluaran dari machine learning tersebut akan diteruskan ke user interface untuk menampilkan informasi kendaraan dan prediksi kondisi kendaraan. Kata Kunci: OBD-II, Machine Learning, Internet of Things, Cloud Computing, Decision Tree Abstract Many manufacturer implement safety feature for car user, but traffic accident still occurred even with all of that kind of safety feature which often happened because of engine failure. User neglecting maintenance leaves car in a bad shape and can affect safety of driving. On-Board Diagnostic (OBD II) are international standard which refers to diagnostic for vehicle which allows us to collect raw data from sensor mounted on car connected to Engine Control Unit(ECU). With interface device of OBD-II which is ELM327, data acquisition, data stream processing, and real time vehicle diagnostic become possible. Collected data are sent to server so it can be processed by machine learning with Decision Tree algorithm with Classification and Regression method which will predict car condition. Car information and predicted condition will be informed to user via web based interface. Keywords: OBD-II, Machine Learning, Internet of Things, Cloud Computing, Decision Tree

Full Text:

PDF

Refbacks

  • There are currently no refbacks.
max_upload :0