BAB IV PENGUJIAN DAN EVALUASI SISTEM
4.5. Pengujian jaringan saraf tiruan pada AN231K04 dengan
Pengujian ini bertujuan untuk mengetahui apakah jaringan saraf tiruan pada
AN231K04 dapat berfungsi dengan baik sesuai pola input.
4.5.2. Alat yang digunakan
1. Power supply 2.5 A – 5V 0 1 2 3 1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 Tegan g an /V waktu(s)
Spirtus
TGS2610 TGS2611 TGS26122. Modul FPAA AN231K01
3. Rangkaian potensiometer
4. PC/Laptop
5. Software AnadigmDesigner®2
4.5.3. Prosedur Pengujian
1. Lakukan pengaturan tegangan yang dihasilkan oleh potensiometer sesuai
dengan tegangan yang dihasilkan sensor array TGS. Adapun rangkaian
potensiometer yang digunakan sebagai pengondisi sinyal pada sensor array
TGS terlihat seperti pada Gambar 4.19.
Gambar 4.19. Potensiometer sebagai pengganti sensor array TGS
2. Nyalakan supply tegangan dan download program pada AnadigmDesigner®2.
3. Untuk setiap gas yang diujikan, disediakan rangkaian potensiometer serta
switch manual yang dapat memilih dengan cara memutarnya searah jarum
jam atau sebaliknya, potensiometer dengan jenis gas mana yang akan
diarahkan pada pin input FPAA AN231K04. Untuk lebih jelasnya switch
manual yang digunakan disertai keterangan jalurnya terlihat pada Gambar
4.20. Pada Gambar 4.21 adalah switch manual pada hardware.
Gambar 4.20. Jalur pada switch manual R5 10k 2610 2612 R5 10k R5 10k R5 10k R5 10k R5 10k R5 10k 5 V R5 10k 2610 5 V 2612 2611 5 V 2611 R5 10k 2612 2610 2611
Potensiometer 1 Potensiometer 2 Potensiometer 3 1 2 3 Sensor Solar NC 1 2 3 Bensin Metanol NC 1 2 3 NC Spiritus NC
Gambar 4.21. Switch manual pada hardware
NC merupakan singkatan dari no conection yang artinya swich tidak
mengarah ke sumber manapun yang sengaja dirancang penulis agar tidak
terjadi tabrakan sinyal saat memilih jenis gas yang akan diuji. Pada
potensiometer 1 terdapat pilihan sensor pada nomor 1 yang digunakan saat
pengujian gas yang sebenarnya.
4. Menguji gas solar yaitu dengan mengarahkan ke nomor 2 pada potensiometer
satu, pada potensiometer 2 dan 3 diarahkan ke NC lalu amati LED indikator.
5. Menguji gas bensin yaitu dengan mengarahkan ke nomor 1 pada
potensiometer dua, pada potensiometer 1 dan 3 diarahkan ke NC lalu amati
LED indikator.
6. Menguji gas metanol yaitu dengan mengarahkan ke nomor 2 pada
potensiometer dua, pada potensiometer 1 dan 3 diarahkan ke NC lalu amati
LED indikator.
7. Menguji gas spiritus yaitu dengan mengarahkan ke nomor 2 pada
potensiometer tiga, pada potensiometer 1 dan 2 diarahkan ke NC lalu amati
4.5.4. Hasil pengujian
Hasilnya dari pengujian kedua yaitu potensiometer 1 dengan pilihan bensin
terlihat pada Gambar 4.22.
Gambar 4.22. Pengujian potensiometer 1 dengan pilihan bensin
Terlihat pada Gambar 4.22. Percobaan potensiometer 1 dengan pilihan bensin, hal
yang serupa juga dilakukan lainnya sesuai pada prosedur pengujian. Hasil output
LED indikator pada FPAA AN231K04 tersusun pada Tabel 4.15.
Tabel 4.15. Hasil output LED indikator pada FPAA AN231K04 berdasarkan input potensiometer
Jenis Gas
Input
Target Hasil Output
Y1 Y2 LED1 LED2
Solar 0 0 OFF OFF
Bensin 0 1 OFF ON
Metanol 1 0 ON OFF
102
Berdasarkan pengujian pada hardware dan software yang dipergunakan,
maka dapat diambil kesimpulan dan saran-saran dari hasil yang telah diperoleh.
5.1. Kesimpulan
Adapun kesimpulan yang dapat dituliskan setelah melakukan analisa dari
hasil sistem yang telah dibuat antara lain sebagai berikut:
1. Pada percobaan menggunakan simulasi dengan data dari pola input,
didapatkan hasil 100% gas teridentifikasi dengan benar, tetapi pada
percobaan dengan volume ruangan 7x7x7cm dan volume cairan 0,75 ml
tingkat keberhasilan mencapai 95%. Hal ini diakibatkan perbedaan
pengambilan data saat pengambilan pola input yang dihasilkan sensor dengan
range tegangan terbesar 0,82 volt terhadap sampling data saat pengujian pola
input diakibatkan perbedaan temperatur, kelembapan dan tekanan udara pada
ruang sensor.
2. Program pelatihan jaringan saraf tiruan dengan metode perceptron, dapat
menghasilkan nilai bobot dan bias dari iterasi sebanyak 1549 epoch sebagai
parameter pada FPAA AN231K04 yang sesuai, sehingga pada percobaan
simulasi menggunakan AnadigmDesigner®2 pola input dapat dikenali dan
menghasilkan output yang sesuai dengan target.
Selain itu, dari penelitian ini juga didapatkan simpulan-simpulan lain, yaitu:
1. Terdapat kegagalan dalam pengujian jaringan saraf tiruan pada hardware
pelatihan jaringan saraf tiruan berbeda dengan pola input saat pengujian,
sehingga digunakan beberapa potensio yang dapat menggantikan sensor array
TGS dalam membentuk tegangan sesuai pola input. Dalam pengujiannya,
hardware FPAA AN231K04 berhasil mengenali pola input dengan
potensiometer.
5.2. Saran
Saran yang dapat diberikan untuk mengembangkan sistem ini sebagai
berikut:
1. Dalam perancangan modul sensor array TGS, dapat ditambahkan jenis sensor
TGS yang lain sehingga jenis gas yang terdeteksi dapat lebih banyak, dan
juga dilengkapi dengan pengaturan temperatur, kelebaban serta tekanan dan
sirkulasi udara sehingga kenerja dari sensor tersebut dapat maksimal sesuai
dengan datasheet sensor.
2. Terdapat beberapa cara yang mungkin bisa dicoba saat memberian kapasitas
gas yang diujikan karena dapat mempengaruhi hasilnya.
3. Agar dapat mengenali pola yang banyak dan variatif, disarankan untuk
mencoba metode lain selain perceptron seperti multilayer perceptron,
backpropogation dan lain sebagainya.
4. Keterbatasan fasilitas yang dimiliki oleh hardware FPAA AN231K04 dapat
diatasi dengan menambah jumlah FPAA atau mengantinya dengan jenis
FPAA lainnya.
5. Membuat program Visual Basic 6 lebih fleksibel terhadap jumlah input, target
dan beberapa metode jaringan saraf tiruan yang digunakan, serta user
104
Andrianto, Heri. (2008). Pemrograman Mikrokontroler AVR ATmega16 menggunakan Bahasa C CodeVision AVR. Bandung : Informatika.
Anadigm, Inc. (2008). AnadigmApex dpASP Family User Manual. (Online), (http://www.anadigm.com, diakses Oktober 2011).
ATMEL Corporation. (2011). ATMEGA8. (Online),
(http://www.alldatasheet.com/datasheetpdf/pdf/78532/ATMEL/ATMEA
8.html ,diakses Oktober 2011).
Collins, Chris (2007). Implementing Phytoremediation of Petroleum Hydrocarbons. Methods in Biotechnology.
Figaro USA, Inc (2011). Datasheet TGS 2610. (Online). (http://digi- ware.com/img/d/tgs2610.pdf diakses Oktober 2011, diakses Oktober 2011).
Figaro USA, Inc (2011). Datasheet TGS 2611. (Online). (http://digi- ware.com/img/d/tgs2611.pdf diakses Oktober 2011, diakses Oktober 2011).
Figaro USA, Inc (2011). Datasheet TGS 2612. (Online). (http://digi- ware.com/img/d/tgs2612.pdf diakses Oktober 2011, diakses Oktober 2011).
Lohala. (2011). Simplex, Half Duplex, and Full Duplex. (Online). (http://www.mystudyroom.com.np/classnotes.php?nan=89&fire=4&cak= 26&sun=6&rnd=2387829974d3e5ee26be055.39465877, diakses Oktober 2011).
Marques, Lino. (2002). Olfaction-based Mobile Robot Navigation. University of Coimbra. (Online),(http://www.elsevier.com/locate/tsf, diakses Oktober 2011)
Politeknik Elekrtonika Negari Surabaya (2005). Jaringan Syaraf Tiruan (neural network).(Online),(http://lecturer.eepisits.edu/~entin/Kecerdasan%20Bua tan/Buku/Bab%208%20Jaringan%20Syaraf%20Tiruan.pdf, diakses Oktober 2011).
Siang, Jong Jek. 2009. Jaringan Syaraf Tiruan & Pemrogramannya menggunakan Matlab. Yogyakarta : Andi.
The Methanol Institute (2008). Methanol Basics. (Online). (
Vincent, Gaudet, (2000), FPAA ( Field Programmable ananlog Array ) Architecture", Ualberta Electrical ).
Widyantara, Helmy. (2008). Design on motor control DC Traction using Fuzzy Logic Based Field Programmable Gate Array (FPGA). STIKOM
Surabaya. (Online),
(http://digilib.stikom.edu/detil.php?id=2281&q=FPGA, diakses Oktober 2011).
Zhang, Xiaojun. (2008). Design of a Bionic Electronic Nose for Robot. IEEE
Computer Society. (Online),
(http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=4609777, diakses Oktober 2011).