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.
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...