Monitoring Konsentrasi Campuran Metanol dan Etanol Menggunakan Sensor Capacitive Soil Moisture (CSM) dengan Machine Learning dan Neural Network - Tesis

Aug 5, 2026

Unggah oleh Ezra

Tesis ini membahas monitoring konsentrasi campuran metanol dan etanol menggunakan sensor Capacitive Soil Moisture (CSM) berbasis dielektrisitas yang berubah akibat proses penguapan. Penentuan awal dilakukan melalui pengukuran pada suhu ruang dengan interval berbeda, kemudian dikembangkan agar lebih stabil di ruang tertutup dan data tersimpan secara lebih teratur. Klasifikasi dilakukan menggunakan machine learning, termasuk regresi logistik, serta pengujian akurasi yang tinggi, sementara evaluasi menunjukkan adanya potensi overfitting pada beberapa model. Pengembangan model regresi menghasilkan estimasi kadar campuran dengan koefisien determinasi di atas 0,94 dan RMSE rendah.

BahasaIndonesian

KategoriPenelitian & Laporan

FormatPDF

Halaman11

Waktu Membaca17 mnt

AksesGratis untuk diunduh

Daftar Isi

Ringkasan

Latar belakang dan hipotesis

Metode dan pengembangan alat

Klasifikasi dengan machine learning

Klasifikasi dan evaluasi NN

Regresi konsentrasi dan hasil performa

TESIS MONITORING KONSENTRASI CAMPURAN METANOL DAN ETANOL MENGGUNAKAN SENSOR CAPACITIVE SOIL MOISTURE (CSM) DENGAN MACHINE LEARNING DAN NEURAL NETWORK Monitoring Concentration of Methanol and Ethanol Mixtures Using Capacitive Soil Moisture (CSM) Sensor with Machine Learning and Neural Networks Devina Intan Sari Diajukan kepada Magister Sains Data Disusun sebagai salah satu syarat Untuk memperoleh gelar Master of Data Science PROGRAM STUDI MAGISTER SAINS DATA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS KRISTEN SATYA WACANASALATIGA TESIS MONITORING KONSENTRASI CAMPURAN METANOL DAN ETANOL MENGGUNAKAN SENSOR CAPACITIVE SOIL MOISTURE (CSM) DENGAN MACHINE LEARNING DAN NEURAL NETWORK Monitoring Concentration of Methanol and Ethanol Mixtures Using Capacitive Soil Moisture (CSM) Sensor with Machine Learning and Neural Networks Disusun oleh : Devina Intan Sari 632023001 Pembimbing Utama Pembimbing Kedua: Dr. Suryasatriya Trihandaru, S.Si., M.Sc,nat. Prof. Dr. Hanna Arini Parhusip PROGRAM STUDI MAGISTER SAINS DATA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS KRISTEN SATYA WACANA SALATIGA LEMBAR PENGESAHAN Judul Tesis :Monitoring Konsentrasi Campuran Metanol dan Etanol Menggunakan Sensor Capacitive Soil Moisture (CSM) dengan Machine Learning dan Neural Network Nama Mahasiswa : Devina Intan Sari Nomor Induk Mahasiswa : 632023001 Program Studi : Magister Sains Data Salatiga, 20 November 2024 Menyetujui, Pembimbing I Pembimbing II Dr. Suryasatriya Trihandaru, M.Sc,nat, S.Si. Prof. Dr. Hanna Arini Parhusip Mengetahui, Ketua Program Studi Magister Sains Data, Dekan Fakultas Sains dan Matematika Universitas Kristen Satya Wacana Prof. Dr. Hanna Arini Parhusip Dr. Wahyu Hari Kristiyanto, S.Pd, M.Pd. PERNYATAAN Yang bertanda tangan di bawah ini, Nama : Devina Intan Sari NIM : 632023001 Menyatakanbahwa tesis denganjudul “Monitoring Konsentrasi Campuran Metanol dan Etanol Menggunakan Sensor Capacitive Soil Moisture (CSM) dengan Machine Learning dan Neural Network” beserta seluruh isinya adalah benar karya saya sendiri tanpa bantuan dari pihak lain, kecuali arahan pembimbing akademik dan narasumber penelitian, dan saya tidak melakukan penjiplakan maupun pengutipan dengan cara yang tidak sesuai dengan etika keilmuan yang berlaku dalam masyarakat. Atas pernyataan ini, saya bersedia menanggung resiko atau sanksi yang dijatuhkan kepada saya apabila dikemudian hari ditemukan adanya pelanggaran terhadapetika keilmuan dalam karya saya atau ada klaim dari pihak lain atas keaslian karya saya. Salatiga, 20 November 2024 Penulis, Devina Intan Sari RINGKASAN Biometanol dan bioetanol merupakan beberapa sumber energi alternatif penggantibahan bakar (biofuel) yang dapat terdiri dari campuran etanol-metanol maupun campuran lain. Penentuan campuran etanol dan metanol saat ini sering dilakukan menggunakan Gas Chromatography (GC) . Perbedaan karakteristik etanol dan metanol serta campuran etanolmetanol khususnya dalam evaporasi yang berkaitan erat dengan dielektrisitas bahan menunjukkan hipotesis bahwa kedua jenis bahan dapat dibedakan berdasarkan dielektrisitasbahan. Salah satu sensor Arduino yang bekerja berdasarkan dielektrisitas bahan adalah Capacitive Soil Moisture (CSM) . Metode pengukuran penguapan berdasarkan waktu yang dilakukan pada tahap awal menggunakan alat ke-1 adalah dengan menenteskan sampel pada CSM kemudian diukur selama 1 jam dengan interval pengukuran 15 detik pada suhu ruang diruang terbuka dan data tersimpan pada Thingspeak. Metode pada alat ke-1 menghasilkan data penguapan yang kurang stabil akibat lingkungan dan interval waktu pengukuran yang berbedabeda dan tidak sesuai setting 15 detik selama 1 jam tergantung kecepatan internet maka dikembangkan alat ke-2 dengan metode penetesan dan pengukuran yang sama namun padaruang tertutup pada suhu ruang dan data disimpan dalam SD Card dengan interval pengukuran 5 detik. Ditentukan klasifikasi menggunakan machine learning dan Neura

Pertanyaan Umum

Mengapa metanol dan etanol bisa dibedakan menggunakan sensor CSM?

Karena proses penguapan memengaruhi dielektrisitas bahan, sehingga karakter penguapan etanol dan metanol menghasilkan perbedaan yang dapat dikenali oleh sensor CSM.

Bagaimana perkembangan pengukuran dari alat ke-1 hingga alat ke-3?

Alat ke-1 menggunakan pengukuran 1 jam di ruang terbuka dengan interval 15 detik yang kurang stabil. Alat ke-2 memakai metode penetesan serupa tetapi di ruang tertutup dengan interval 5 detik. Alat ke-3 dikembangkan untuk regresi dengan sampel variasi konsentrasi dan heater sehingga waktu pengukuran hanya 10 menit.

Model machine learning dan neural network mencapai akurasi berapa dan apa keterbatasannya?

Regresi logistik mencapai akurasi di atas 90,0% yaitu 93,33%. Model lain seperti Extra Trees dan Random Forest dapat mencapai 100,0% namun berpotensi overfitting, sedangkan NN juga menunjukkan overfitting pada indikasi selisih akurasi data latih dan validasi.

Aug 5, 2026

Unggah oleh Ezra