Rizky Alifian Ilham, Moh. Ali Romli

IMPLEMENTASI ALGORITMA RULE-BASED DAN CLUSTERING UNTUK APLIKASI PERAWATAN MOTOR MATIK ADAPTIF “MOTOCARE”

Introduction

Implementasi algoritma rule-based dan clustering untuk aplikasi perawatan motor matik adaptif “motocare”. Motocare: Aplikasi perawatan motor matik adaptif dengan algoritma Rule-Based & Clustering. Personalisasi interval servis berdasarkan perilaku berkendara, rekomendasi cerdas tanpa perangkat keras tambahan.

Abstract

Jadwal perawatan motor matik yang bersifat statis seringkali tidak sesuai dengan kondisi penggunaan kendaraan, sehingga menyebabkan perawatan menjadi kurang efektif. Penelitian yang dilakukan bertujuan untuk mengembangkan model perawatan yang adaptif pada aplikasi “Motocare” yang mampu mempersonalisasi interval servis berdasarkan perilaku berkendara pengguna. Metode yang diusulkan menggabungkan algoritma Clustering untuk mengelompokkan pengguna ke dalam kategori intensitas (tinggi, normal, ringan) dan algoritma Rule-Based untuk menyesuaikan target kilometer servis secara dinamis. Hasil pengujian menunjukkan model berhasil mempercepat interval servis untuk pengguna intensitas tinggi dan memperlambatnya untuk pengguna ringan. Kontribusi utama penelitian yang dilakukan adalah sebuah sistem rekomendasi cerdas yang proaktif dan personal tanpa memerlukan instalasi perangkat keras tambahan pada kendaraan.

Review

Penelitian ini mengusulkan solusi cerdas untuk masalah penjadwalan perawatan motor matik yang seringkali tidak relevan dengan kondisi penggunaan aktual, yang berpotensi menyebabkan perawatan menjadi kurang efektif. Dengan mengembangkan aplikasi "Motocare" yang adaptif, penulis bertujuan untuk mempersonalisasi interval servis berdasarkan perilaku berkendara pengguna. Inisiatif ini sangat relevan mengingat variasi ekstrem dalam penggunaan kendaraan pribadi, dan memiliki potensi besar untuk meningkatkan efektivitas perawatan, memperpanjang umur kendaraan, serta mengoptimalkan biaya bagi pengguna. Kekuatan utama penelitian ini terletak pada pendekatan metodologisnya yang menggabungkan dua algoritma komplementer. Penggunaan algoritma Clustering untuk mengelompokkan pengguna berdasarkan intensitas berkendara (tinggi, normal, ringan) adalah langkah yang logis dan efisien untuk segmentasi. Selanjutnya, algoritma Rule-Based digunakan secara dinamis untuk menyesuaikan target kilometer servis, memastikan rekomendasi yang personal dan proaktif. Klaim bahwa sistem ini tidak memerlukan instalasi perangkat keras tambahan pada kendaraan merupakan kontribusi yang signifikan, karena menjadikannya solusi yang mudah diimplementasikan, skalabel, dan hemat biaya bagi pengguna akhir. Hasil pengujian yang disebutkan dalam abstrak menunjukkan bahwa model berhasil dalam menyesuaikan interval servis, yaitu mempercepatnya untuk pengguna intensitas tinggi dan memperlambatnya untuk pengguna ringan, yang secara langsung memvalidasi tujuan adaptifnya. Kontribusi utama sebagai sistem rekomendasi cerdas yang proaktif dan personal tanpa perangkat keras tambahan sangat menjanjikan. Namun, untuk memberikan gambaran yang lebih lengkap, paper lengkap diharapkan dapat merinci bagaimana "perilaku berkendara" diukur dan diakuisisi, metrik spesifik yang digunakan dalam clustering dan pembentukan aturan, serta evaluasi kinerja model secara lebih mendalam (misalnya, dengan membandingkan dengan metode statis atau metrik efektivitas perawatan). Detail-detail ini akan semakin memperkuat klaim efektivitas dan kontribusi penelitian.

Full Text

Comments

You need to be logged in to post a comment.