Electronic Theses and Dissertation

Biaya bahan bakar merupakan salah satu biaya yang dikeluarkan oleh perusahaan
dalam melakukan produksi. Konsumsi bahan bakar dipengaruhi oleh geometri
jalan angkut dan kecepatan alat angkut. Geometri jalan angkut memberikan
pengaruh melalui rolling resistance dan grade resistance. Sementara itu,
kecepatan alat angkut memberikan pengaruh melalui, kecepatan dan gross vehicle
weight. Penelitian ini bertujuan untuk mengetahui perbandingan nilai akurasi dari
prediksi konsumsi bahan bakar dengan menggunakan algoritma machine learning
serta untuk mengetahui nilai prediksi konsumsi bahan bakar berdasarkan nilai
grade resistance, rolling resistance, kecepatan dan gross vehicle weight. Pada
penelitian ini digunakan data primer dan sekunder. Data primer pada penelitian ini
diambil melalui penelitian yang dilakukan di jalan coal getting PT Indonesia
Pacific Energy (PT IPE). Data sekunder diambil melalui penelitian yang
dilakukan di jalan overburden PT Mifa Bersaudara. Data sekunder dari penelitian
sebelumnya digunakan sebagai pembanding. Algoritma machine learning yang
digunakan dalam penelitian adalah random forest dan artificial neural network
(ANN). Pengujian yang dilakukan pada kedua dataset menghasilkan tingkat
akurasi dan grafik yang berbeda. Hasil menunjukkan bahwa dataset PT IPE
memiliki akurasi yang lebih baik dengan nilai RMSE dan R Square 0,0038 liter
dan 0,81 ketika menggunakan random forest dan dataset PT Mifa memiliki
akurasi yang lebih baik dengan nilai RMSE dan R Square 0,070 liter dan 0,996
ketika menggunakan artificial neural network. Hal ini dikarenakan perbedaan
jumlah data dari kedua penelitian yang menjadikan dataset akan menghasilkan
nilai yang lebih baik jika menggunakan metode atau algoritma yang tepat.

Fuel costs are one of the costs incurred by companies in carrying out production. Fuel consumption is influenced by the geometry of the haul road and the speed of the haulage. The geometry of the haul road has an influence through rolling resistance and grade resistance. Meanwhile, the speed of the conveyance has an influence on the speed and gross vehicle weight. This research aims to compare the accuracy of fuel consumption predictions using a machine learning algorithm and to determine the predicted value of fuel consumption based on grade resistance, rolling resistance, speed and gross vehicle weight. In this research, primary and secondary data were used. Primary data in this research was taken through research conducted on the PT Indonesia Pacific Energy (PT IPE) coal getting road. Secondary data was taken through research conducted on the PT Mifa Bersaudara overburden road. Secondary data from previous research was used as a comparison. The machine learning algorithms used in the research are random forest and artificial neural network (ANN). Tests carried out on both datasets produce different levels of accuracy and graphics. The results show that the PT IPE dataset has better accuracy with RMSE and R Square value is 0,0038 liter and 0,81 when using random forest and the PT Mifa dataset has better accuracy with RMSE and R Square value is 0,070 liter and 0,996 when using artificial neural networks. This is because the difference in the amount of data from the two studies means that the dataset will produce better values if the right method or algorithm is used.