%A MUHAMMAD SOFYAN ABIYYU
%T ANALISIS PERFORMA MACHINE LEARNING BERBASIS
CONVOLUTIONAL NEURAL NETWORK PADA APLIKASI 
ECOTRACK
%I Fakultas Teknik Universitas Sultan Ageng Tirtayasa
%X Classification of motor vehicles and prediction of CO2 gas emissions are two 
important issues in efforts to mitigate the environmental impact of the 
transportation sector. This study aims to develop a machine learning-based model 
utilizing Convolutional Neural Network (CNN), Artificial Neural Network (ANN), 
and transfer learning architectures to classify vehicles and predict the CO2 gas 
emissions they produce. The proposed CNN and transfer learning models were 
trained using vehicle image data to classify vehicle types based on categories such 
as size, type, and model. The results of vehicle classification showed high accuracy 
rates of 85.14% and 68.02% in the developed transfer learning models. However, 
the CNN model demonstrated lower accuracy, achieving only 43%, which was 
attributed to the suboptimal performance of the machine learning algorithm. 
Furthermore, the model was also trained with vehicle emission data to predict CO2
emissions based on vehicle parameters such as engine capacity, number of 
cylinders, combined fuel consumption, and the estimated amount of CO2 gas 
emissions produced by motor vehicles.The findings indicate that the CNN and 
transfer learning models are effective for vehicle classification, while the ANN 
model provides accurate estimates for CO2 emission predictions.
%K Klasifikasi kendaraan bermotor dan prediksi emisi gas CO2 adalah dua masalah 
penting dalam upaya mengurangi dampak lingkungan dari sektor transportasi. 
Penelitian ini bertujuan untuk mengembangkan model berbasis machine learning
yang menggunakan arsitektur Convolutional Neural Network (CNN), Artificial 
Neural Network (ANN), dan transfer learning untuk melakukan klasifikasi 
kendaraan mobil dan memprediksi emisi gas CO2 yang dihasilkan. Model CNN dan 
transfer learning yang diusulkan dilatih dengan data gambar kendaraan untuk 
mengklasifikasikan jenis kendaraan berdasarkan kategori seperti ukuran, jenis, dan 
tipe kendaraan. Hasil klasifikasi kendaraan memiliki tingkat akurasi yang tinggi 
mencapai 85,14% dan 68,02% pada model model transfer learning yang dibuat.
Hasil klasifikasi kendaraan memiliki tingkat akurasi yang rendah pada model CNN 
yaitu sebesar 43%. Hal ini diakibatkan tidak optimalnya algoritma machine 
learning. Selain itu, model ini juga dilatih menggunakan data emisi kendaraan 
untuk memprediksi emisi CO2 yang dihasilkan berdasarkan parameter kendaraan 
seperti kapasitas mesin, silinder mesin, kombinasi konsumsi bahan bakar, dan 
estimasi jumlah emisi gas CO2 yang dihasilkan kendaraan bermotor. Hasil 
penelitian menunjukkan bahwa model CNN dan transfer learning mampu dalam 
klasifikasi kendaraan serta model ANN memberikan estimasi yang akurat untuk 
prediksi emisi CO2.
%D 2024
%L eprintuntirta45495