| dc.description.abstract | Optimasi Multi-Objektif Performa Mesin Diesel Berbahan Bakar B30 Melalui Response Surface Methodology (RSM), Artifical Neuron Network (ANN), dan Genetic Algorithm. Penelitian ini bertujuan untuk menentukan prediksi dari RSM, ANN dan GA untuk Brake Thermal Effeciency (BTE), Brake Specification Fuel Consumption (BSFC) dan emisi karbon dioksida (CO2) pada mesin diesel dan menentukan parameter operasi optimum melalui optimasi Multi Objective Genetic Algorithm berdasarkan aspek kecepatan, aliran massa bahan bakar dan injeksi tekanan. Metode yang digunakan adalah metode kuantitatif dengan melakukan prediksi dan optimasi dengan bantuan software Design Expert dan MATLAB. Analisis hasil yang didapatkan menunjukkan bahwa kondisi optimal dari kinerja mesin diesel dengan bahan bakar B30 adalah pada saat kecepatan mesin sebesar 2121.85 RPM, laju aliran massa bahan bakar sebesar 0.095 Kg/h dan tekanan injeksi sebesar 861.419 bar dengan nilai variabel output untuk BTE senilai 40.93%, BSFC sebesar 0.2226 Kg/kWh, dan CO2 sebesar 2.5937 Kg. Hasil yang didapatkan dengan metode ANN yaitu diperoleh untuk semua nilai koefisien korelasi (R) berada pada sekitar 0,99 untuk data training, test dan validation yang menunjukkan bahwa model memiliki kemampuan yang sangat baik dalam mempelajari pola dari data pelatihan. Optimasi MOGA dilakukan dengan tujuan memaksimalkan BTE, meminimalisir BSFC dan CO2. Alternatif solusi yang didapatkan dari MOGA akan dipilih nilai terbaik dengan metode TOPSIS. Optimasi menunjukkan bahwa kecepatan putar mesin dan massa laju aliran bahan bakar sangat mempengaruhi nilai dari BTE, sedangkan untuk nilai BSFC dan CO2 sangat dipengaruhi oleh ketiga aspek input yaitu kecepatan putar, massa laju aliran bahan bakar dan tekanan injeksi.
Kata kunci: B30, mesin diesel, optimasi multi-objektif, RSM, ANN, MOGA, BTE, BSFC, emisi CO₂, TOPSIS. | en_US |
