Perpustakaan Digital ITB

Bagian terpenting dari sebuah kendaraan listrik adalah motor listrik sebagai penggerak kendaraan tersebut. Agar sebuah motor listrik dapat bekerja dengan baik, perlu ada sebuah kontroler yang mengatur sehingga tenaga yang dikeluarkan pada waktu tertentu bisa sesuai dengan kebutuhan. Seiring perkembangan zaman, metode pembelajaran mesin untuk kontroler jadi semakin banyak digunakan, dan salah satu model pembelajaran mesin terbaik untuk digunakan sebagai kontroler adalah jaringan syaraf fuzzy. Melihat hal tersebut, pada penelitian ini akan digunakan salah satu model neuro fuzzy yaitu Artificial Neuro Fuzzy Inference System (ANFIS). Metode standar untuk optimasi sebuah model jaringan syaraf fuzzy adalah menggunakan gradient descent, namun metode tersebut memiliki beberapa kekurangan bagi jaringan syaraf fuzzy, salah satunya mudah terjebak dalam minimum lokal. Oleh karena itu pada penelitian ini akan diuji cobakan dua metode optimasi tanpa gradien yaitu gradientless descent (GLD) dan particle swarm optimization (PSO). Dengan menggunakan data hasil rekaman dari motor listrik, dilatih model ANFIS dengan 3 input dan 2 output. Dari hasil penelitian didapatkan bahwa model ANFIS dengan menggunakan membership function segitiga dan konfigurasi (3, 3, 3) dengan menggunakan optimasi PSO memberikan hasil paling baik. Kombinasi membership function segitiga dengan konfigurasi (3, 3, 3) memberikan kompleksitas yang cukup bagi model tanpa menjadi overfit, dan optimasi PSO dapat memberikan akurasi yang lebih baik dibandingkan GLD meskipun menggunakan waktu training dan biaya komputasi yang jauh lebih sedikit.