<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="134443">
 <titleInfo>
  <title>PERBANDINGAN AKURASI PREDIKSI KONSUMSI BAHAN BAKAR DENGAN METODE RANDOM FOREST DAN ARTIFICIAL NEURAL NETWORK</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>M ANUGRAH FIRDAUS SIREGAR</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas Teknik Pertambangan</publisher>
   <dateIssued>2024</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Biaya bahan bakar merupakan salah satu biaya yang dikeluarkan oleh perusahaan&#13;
dalam melakukan produksi. Konsumsi bahan bakar dipengaruhi oleh geometri&#13;
jalan angkut dan kecepatan alat angkut. Geometri jalan angkut memberikan&#13;
pengaruh melalui rolling resistance dan grade resistance. Sementara itu,&#13;
kecepatan alat angkut memberikan pengaruh melalui, kecepatan dan gross vehicle&#13;
weight. Penelitian ini bertujuan untuk mengetahui perbandingan nilai akurasi dari&#13;
prediksi konsumsi bahan bakar dengan menggunakan algoritma machine learning&#13;
serta untuk mengetahui nilai prediksi konsumsi bahan bakar berdasarkan nilai&#13;
grade resistance, rolling resistance, kecepatan dan gross vehicle weight. Pada&#13;
penelitian ini digunakan data primer dan sekunder. Data primer pada penelitian ini&#13;
diambil melalui penelitian yang dilakukan di jalan coal getting PT Indonesia&#13;
Pacific Energy (PT IPE). Data sekunder diambil melalui penelitian yang&#13;
dilakukan di jalan overburden PT Mifa Bersaudara. Data sekunder dari penelitian&#13;
sebelumnya digunakan sebagai pembanding. Algoritma machine learning yang&#13;
digunakan dalam penelitian adalah random forest dan artificial neural network&#13;
(ANN). Pengujian yang dilakukan pada kedua dataset menghasilkan tingkat&#13;
akurasi dan grafik yang berbeda. Hasil menunjukkan bahwa dataset PT IPE&#13;
memiliki akurasi yang lebih baik dengan nilai RMSE dan R Square 0,0038 liter&#13;
dan 0,81 ketika menggunakan random forest dan dataset PT Mifa memiliki&#13;
akurasi yang lebih baik dengan nilai RMSE dan R Square 0,070 liter dan 0,996&#13;
ketika menggunakan artificial neural network. Hal ini dikarenakan perbedaan&#13;
jumlah data dari kedua penelitian yang menjadikan dataset akan menghasilkan&#13;
nilai yang lebih baik jika menggunakan metode atau algoritma yang tepat.</note>
 <note type="statement of responsibility"></note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>134443</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2024-10-02 10:46:19</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2024-10-03 10:41:50</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>