SKRIPSI IF

RANCANG BANGUN DETEKSI OVERHEAT MESIN SEPEDA MOTOR BERBASIS EMBEDDED ML MENGGUNAKAN ESP32

---

ABSTRAK

Sistem Monitoring Suhu Mesin Cerdas pada Motor Fino Berbasis ESP32 dengan
Klasifikasi Logistic Regression. Pengendara sepeda motor sering kali tidak
menyadari kondisi suhu mesin kendaraannya secara real-time, sehingga berisiko
mengalami kerusakan akibat panas berlebih (overheat) yang tidak terdeteksi sejak
dini. Penelitian ini bertujuan untuk merancang dan membangun sistem monitoring
suhu mesin cerdas pada motor Fino yang mampu mengklasifikasikan kondisi suhu
mesin secara otomatis menggunakan algoritma Machine Learning. Sistem ini
menggunakan mikrokontroler ESP32 sebagai unit pemrosesan utama, sensor NTC
10K Thermistor untuk akuisisi suhu mesin, serta layar OLED SSD1306 sebagai
antarmuka visual. Data suhu dikonversi dari nilai resistansi sensor menggunakan
persamaan Steinhart-Hart, kemudian diklasifikasikan ke dalam tiga kategori yaitu
Cold, Normal, dan Overheat menggunakan algoritma Multinomial Logistic
Regression yang dilatih dengan Scikit-Learn berdasarkan 1.350 sampel data suhu
mesin. Model yang telah dilatih diekstrak bobot dan biasnya ke dalam file header
C++ sehingga inferensi dapat dijalankan langsung pada ESP32 tanpa memerlukan
library Machine Learning eksternal. Hasil pengujian menunjukkan bahwa sistem
mampu membaca dan mengklasifikasikan suhu mesin secara real-time dengan
akurasi tinggi serta menampilkan informasi suhu dan status mesin pada layar
OLED. Sistem ini bekerja secara offline dan memiliki konsumsi sumber daya
yang rendah, sehingga cocok diimplementasikan pada perangkat embedded
dengan keterbatasan memori dan daya komputasi.
Kata kunci: ESP32, monitoring suhu, Logistic Regression, NTC Thermistor,
Machine Learning, motor Fino, edge computing

iv

ABSTRACT

Intelligent Temperature Monitoring System for Fino Motorcycle Engine Based on
ESP32 with Logistic Regression Classification. Motorcycle riders are often
unaware of their vehicle’s engine temperature condition in real-time, risking
undetected overheating that can lead to engine damage. This research aims to
design and develop an intelligent engine temperature monitoring system for the
Fino motorcycle capable of automatically classifying engine temperature
conditions using Machine Learning algorithms. The system uses an ESP32
microcontroller as the main processing unit, an NTC 10K Thermistor sensor for
engine temperature acquisition, and an OLED SSD1306 display as the visual
interface. Temperature data is converted from sensor resistance values using the
Steinhart-Hart equation, then classified into three categories: Cold, Normal, and
Overheat using a Multinomial Logistic Regression algorithm trained with
Scikit-Learn on 1.350 engine temperature data samples. The trained model’s
weights and biases are extracted into a C++ header file, enabling inference to
run directly on the ESP32 without requiring external Machine Learning libraries.
Test results show that the system can read and classify engine temperature in
real-time with high accuracy and display temperature information and engine
status on the OLED screen. The system operates offline with low resource
consumption, making it suitable for implementation on embedded devices with
limited memory and computational power.
Keywords: ESP32, temperature monitoring, Logistic Regression, NTC Thermistor,
Machine Learning, Fino motorcycle, edge computing

---

Ketersediaan

S260908004

607.2 ALA r

Perpustakaan STMIK AMIKBANDUNG

Tersedia

Informasi Detil

Judul Seri

-

No. Panggil

607.2 ALA r

Penerbit

: ., 2026

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subyek

-

Info Detil Spesifik

-

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

You must be logged in to post a comment