Sistem Identifikasi Kualitas Bahan Bakar Minyak ...digilib.its.ac.id/public/ITS-paper-32080-2209100156-Presentation.pdfSistem Identifikasi Kualitas Bahan Bakar Minyak Menggunakan Deret

Sistem Identifikasi Kualitas Bahan Bakar Minyak Menggunakan Deret

Light Emitting Diode

Nurseno Aqib Fadwi Adi

2209100156

Dosen Pembimbing 2

Ir. Siti Halimah Baki, MT

Dosen Pembimbing 1

Dr. Muhammad Rivai, ST., MT.

Latar Belakang

Kebutuhan perusahaan

terhadap identifikasi

kualitas bahan bakar minyak

Pencampuran bahan bakar minyak yang

merusak kualitas

Proses identifikasi yang

lama dan membutuhkan banyak biaya

Diperlukan sistem yang cepat dan

berbiaya rendah untuk

mengidentifikasi kualitas minyak

Tujuan

• Mampu menemukan metode yang baik untuk

pengontrolan cahaya pada barisan LED.

• Mampu menemukan sensor yang tepat untuk

mengakuisisi data dari barisan LED yang

memiliki panjang gelombang yang berbeda-beda.

• Mampu menemukan pengolahan data yang tepat

agar sistem mampu untuk mengidentifikasi

kualitas bahan bakar minyak dengan akurat.

Permasalahan

• Bagaimana pengontrolan cahaya yang

digunakan pada barisan LED?

• Sensor apa yang tepat digunakan untuk

mengakuisisi data dari barisan LED yang

memiliki panjang gelombang yang berbeda-

beda?

• Bagaimana pengolahan data yang tepat agar

sistem mampu untuk mengidentifikasi kualitas

bahan bakar minyak dengan akurat?

Batasan Masalah

• Bahan uji yang digunakan adalah bahan bakar

minyak.

• Proses pembelajaran neural network dilakukan

pada PC (Personal Computer) dengan

menggunakan software delphi untuk pengolahan

data

TEORI PENUNJANG

Bahan Bakar Minyak

• Bahan bakar minyak yang digunakan ada tiga macam,

yaitu bensin, minyak tanah, dan pertamax.

• Kandungan dalam bahan bakar minyak :

– Hidrokarbon (kandungan terbesar)

– Sulfur

– Nitrogen

– Oksigen

– Metal

• Perbedaan pada ketiga bahan bakar minyak yang

digunakan adalah angka oktan

Angka Oktan

• Angka oktan adalah angka

yang menunjukkan seberapa

besar tekanan yang bisa

diberikan sebelum bahan bakar

terbakar secara spontan

• Di dalam mesin, udara dan

bahan bakar akan ditekan dan

dibakar.

• Jika campuran ini terbakar

karena tekanan, maka

knocking akan terjadi.

• Semakin besar angka oktan,

knocking yang terjadi semakin

kecil.

Spektrofotometrik

Spektrofotometri Cahaya Ultraviolet

• Spektrofotometri Cahaya Ultraviolet memiliki arti

penyerapan atau pemantulan spektroskopi pada range

ultraviolet.

• Prinsip dari penyerapan cahaya ultraviolet dalam

spektrofotometri:

– Molekul yang mengandung n-elektron dapat menyerap energi dari ultraviolet untuk mengeksitasi elektron ini ke orbit molekul yang lebih tinggi

– Semakin mudah elektron tersebut untuk dieksitasi, maka semakin besar panjang gelombang cahaya yang dapat diserap.

Spektrofotometri Cahaya Infrared

• Spektrofotometri Cahaya Infrared memiliki arti

spektrofotometri yang menggunakan region infrared pada

spektrum elektromagnetik.

• Prinsip dari penyerapan cahaya infrared dalam

spektrofotometri :

– Molekul akan menyerap cahaya infrared yang memiliki frekuensi sama dengan frekuensi getar ikatan pada molekul tersebut.

– Penyerapan ini disebut juga sebagai frekuensi resonansi.

LED

• Pada sambungan p-n

akan terjadi proses difusi

antara elektron bebas dan

hole, dimana elektron

bebas dari daerah n akan

mengalir masuk pada

hole di daerah p.

• Elektron yang mengalir ini

melepaskan energi panas

dan energi cahaya yang

bekerja berdasarkan

prinsip elektroluminasi.

Fiber Optik

• Fiber optik adalah kabel

fleksibel dan transparan

yang terbuat dari silika

atau plastik.

• Fiber optik terdiri dari inti

transparan yang diselimuti

oleh material cladding

transparan yang memiliki

indeks refraksi yang kecil.

Fotodioda

• Fotodioda adalah sensor

cahaya yang merespon

perubahan cahaya

dengan menghasilkan

arus yang berasal dari

eksitasi elektron pada

sambungan p-n.

PERANCANGAN ALAT

Diagram Blok Sistem

Implementasi Sistem : Hardware

Driver LED

Deret LED

FotodiodaSupply

Regulator

Penyearah

Komunikasi

Serial

Sistem Mikrokontroler

Penguat

Downloader Decoder

Implementasi Sistem : Software

Program

Utama

Program

Pelatihan

Proses

Identifikasi

Pengambilan

Sampel

Rancangan Tempat Bahan Uji

Regulator Tegangan : Switching Regulator

• Produksi panas rendah

• Efisiensi tinggi

• Produksi panas tinggi

• Efisiensi rendah

Switching Regulator Linier Regulator

Sistem Mikrokontroler ATMega 16

• Fitur yang digunakan adalah :

– Komunikasi serial USART

– Analog-toDigital Converter

• Port A.0-6 digunakan untuk

mengontrol nyala LED melalui

decoder dan driver

• Port A.7 sebagai ADC7

digunakan untuk membaca

tegangan dari sensor.

• Port TXD dan RXD digunakan

untuk komunikasi serial

Komunikasi Serial

Data

Dikirim

Data

Diterima

Error

(%)

111 111 0

222 222 0

333 333 0

444 444 0

555 555 0

666 666 0

777 777 0

888 888 0

999 999 0

1010 1010 0

Downloader

Driver LED

LED

• Spesifikasi dari sebagian

LED yang digunakan

hanya mengijinkan arus

DC maksimal sebesar 25

mA.

• Dari penghitungan

diperoleh resistor sebesar

minimal 104 ohm.

Intensitas vs Panjang Gelombang

DERET LED : UV LED

1 385 nm

2 390 nm

3 395 nm

4 400 nm

5 405 nm

6 415 nm

7 420 nm

8 425 nm

9 430 nm

10 435 nm

DERET LED : IR LED

11 935 nm 19 1060 nm

12 940 nm 20 1070 nm

13 950 nm 21 1200 nm

14 960 nm 22 1300 nm

15 970 nm 23 1450 nm

16 985 nm 24 1480 nm

17 1020 nm 25 1550 nm

18 1050 nm 26 1720 nm

Penguat Non-Inverting dan Fotodioda

Vin (V) Vout (V) Error (%)

0,01 0,26 13

0,02 0,462 0,43

0,03 0,733 6,23

0,04 0,925 0,54

0,05 1,176 2,26

0,06 1,421 2,97

0,07 1,668 3,6

0,08 1,919 4,29

0,09 2,12 2,41

0,1 2,54 10,43

Neural Network

• Topologi neural network terdiri

dari 1 input layer, 2 hidden

layer, dan satu output layer.

• Node pada input layer

berjumlah 26.

• Node pada tiap hidden layer

berjumlah 10.

• Node pada output layer

berjumlah 5.

Proses Pelatihan

PENGUJIAN DAN ANALISA DATA

Gambaran Umum Pengujian

• Kalibrasi– Menembakkan cahaya dari deret LED ke kotak bahan uji yang

kosong

• Melakukan identifikasi– Menembakkan cahaya dari deret LED ke kotak bahan uji yang telah

diisi oleh bahan uji yang diinginkan

• Mengurangkan hasil pembacaan tegangan bahan uji

dengan hasil pembacaan tegangan kotak kosong

• Menormalisasi nilai hasil pengurangan

• Memasukkan nilai normalisasi ke dalam neural network

• Proses feed-forward neural network

• Hasil didapatkan.

Pengujian Deret LED Pada Blank

0

0,5

1

1,5

2

2,5

3

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26

Pola Bahan Uji

0

0,5

1

1,5

2

2,5

3

3,5

Bensin Murni Bensin + Minyak Minyak Tanah Pertamax + Minyak Pertamax Murni

Respon Sensor Fotodioda

0

0,5

1

1,5

2

2,5

3

3,5

385 390 395 400 405 415 420 425 430 435 935 940 950 960 970 985 1020 1050 1060 1070 1200 1300 1450 1480 1550 1720

Bensin Murni

Bensin + Minyak

Minyak Tanah

Pertamax + Minyak

Pertamax Murni

Grafik Penyerapan Tiap Bahan Uji

Bensin murni Bensin + Minyak

Pertamax + Minyak Pertamax murni

Minyak tanah

Pengujian Data : Bensin Murni

Pola Uji ke- Bahan Uji Hasil Threshold Hasil Identifikasi

1

1

Bensin Murni

10000

10000 Bensin Murni

2 10000 Bensin Murni

3 10000 Bensin Murni

4 00100 Minyak Tanah

5 10000 Bensin Murni

Pengujian Data : Bensin + Minyak

Pola Uji ke- Bahan Uji Hasil Threshold Hasil Identifikasi

2

1

Bensin + Minyak

01000

01000 Bensin + Minyak

2 01000 Bensin + Minyak

3 01000 Bensin + Minyak

4 01000 Bensin + Minyak

5 01000 Bensin + Minyak

Pengujian Data : Minyak Tanah

Pola Uji ke- Bahan Uji Hasil Threshold Hasil Identifikasi

3

1

Minyak Tanah

00100

00100 Minyak Tanah

2 00100 Minyak Tanah

3 00100 Minyak Tanah

4 00100 Minyak Tanah

5 00100 Minyak Tanah

Pengujian Data : Pertamax + Minyak

Pola Uji ke- Bahan Uji Hasil Threshold Hasil Identifikasi

4

1

Pertamax + Minyak

00010

00010 Pertamax + Minyak

2 00010 Pertamax + Minyak

3 00010 Pertamax + Minyak

4 00010 Pertamax + Minyak

5 00010 Pertamax + Minyak

Pengujian Data : Pertamax Murni

Pola Uji ke- Bahan Uji Hasil Threshold Hasil Identifikasi

5

1

Pertamax Murni

00001

00001 Pertamax Murni

2 00001 Pertamax Murni

3 00001 Pertamax Murni

4 00001 Pertamax Murni

5 00001 Pertamax Murni

Tingkat Keberhasilan

No. Bahan Uji Tingkat Keberhasilan Tingkat Kegagalan

1 Bensin Murni 80% 20%

2 Bensin + Minyak 100% 0%

3 Minyak Tanah 100% 0%

4 Pertamax + Minyak 100% 0%

5 Pertamax Murni 100% 0%

Kesimpulan

• Deret LED yang terdiri dari LED ultraviolet dan LED infrared yang

dideteksi oleh fotodioda ini mampu mendeteksi kualitas bahan bakar

minyak.

• Tingkat keberhasilan pada lima kali percobaan pada kelima bahan uji

menunjukkan angka 100%, kecuali pada bahan uji bensin murni yang

memiliki tingkat keberhasilan 80%.

• Tingkat keberhasilan pada semua bahan uji pada 25 kali pengujian

adalah 96%.

• Panjang gelombang pada range ultraviolet memiliki respon yang baik

dalam pendeteksian kualitas bahan bakar minyak yang digunakan.

• Neural network yang digunakan mampu digunakan untuk

mengidentifikasi kualitas bahan bakar minyak yang menjadi bahan

uji.

Saran

• Dilakukan perbaikan pada tabung dan tempat bahan uji agar

terhindar dari gesekan dan pergeseran.

• Digunakan sensor yang lebih baik untuk mendeteksi panjang

gelombang pada range ultraviolet dan infrared.

• Merancang tempat bahan uji yang terlindung dari cahaya luar agar

cahaya dari luar tidak mempengaruhi pembacaan sensor yang

digunakan.

Terimakasih untuk

perhatiannya...