Aditya Ciptadi Dosen Pembimbing 1 : Dr. Muhammad Rivai, ST., MT. Dosen Pembimbing 2 : Suwito, ST., MT.

Aditya Ciptadi 2209 100 103 Dosen Pembimbing 1 : Dr. Muhammad Rivai, ST., MT. Dosen Pembimbing 2 : Suwito, ST., MT..

Latar Belakang Identifikasi kadar dan jenis gas merupakan hal yang sangat penting untuk kebutuhan industri, khususnya pada perusahaan yang berkonsentrasi pada bidang ini. Pada umumnya, identifikasi ini membutuhkan proses yang lama dan prosedur yang komplek serta mahal karena kita perlu mengambil sampel dari lapangan dan menganalisanya di laboratorium..

Tujuan  Memahami proses akuisisi data dengan menggunakan gas yang didapatkan dari gas pelarut yang diuji.  Menampilkan data dari mikrokontroler ke PC Tablet dan mempelajari kandungan yang terdapat pada gas uji.  Dapat memproses data sehingga kandungan gas dapat diketahui dengan efektif, cepat dan akurat..

Rumusan Masalah  Bagaimana proses meng-akuisisi data dari gas pelarut yang diujikan  Bagaimana proses pengolahan data sehingga kandungan dalam gas dapat diketahui dengan cepat  Bagaimana menampilkan data ADC dari mikrokontroler ke PC Tablet.

Batasan Masalah  Gas uij yang digunakan adalah gas pelarut  PC Tablet hanya menampilkan data ADC dari mikrokontroler  Pengiriman data ADC ke PC Tablet menggunakan komunikasi serial Bluetooth.

Dasar Teori Gas Benda-benda biasa umumnya berbentuk sebagai padatan, cairan, atau gas. Pengamatan ini hampir tidak memerlukan perhatian, hal ini dapat dipahami secara intuisi. Keadaan gas adalah keadaan yang paling sederhana untuk dipahami dari ketiga bentuk itu..

Sensor Gas Sensor gas adalah alat yang dapat menghasilkan sinyal listrik sebagai fungsi interaksinya dengan senyawa kimia, dalam hal ini gas atau uap senyawa organik. Bahan aktif pada sensor gas dapat berupa logam, oksida logam, polimer komposit maupun polimer konduktif. Pada sistem hidung elektronik ini menggunakan 7 jenis sensor gas, terdiri dari 4 sensor gas TGS dan 3 sensor gas MQ..

Sensor Gas.    . Elemen sensor terdiri dari lapisan oksida logam semikonduktor dibentuk pada substrat alumina dari chip sensor bersama-sama dengan pemanas yang terintegrasi. Dengan adanya gas yang terdeteksi, konduktivitas sensor meningkat tergantung pada konsentrasi gas di udara. Sebuah rangkaian sederhana dapat mengkonversi perubahan konduktivitas untuk sinyal output yang sesuai dengan konsentrasi gas. Fitur-fitur yang terdapat pada sensor gas figaro : Konsumsi daya rendah Tahan lama dan murah Menggunakan rangkaian sederhana Ukuran chip kecil.

Sensor Gas Jenis Sensor Gas. Gas yang dideteksi. TGS 2600. Hidrogen, karbon monoksida. TGS 2602. Amonia, hidrogen sulfida. TGS 2611. Etanol, metana. TGS 2620. Uap volatile, karbon monoksida. MQ 7. Karbon monoksida, hidrogen, metana. MQ 137. Amonia, amine. MQ 138. Toluena, aseton, etanol.

Sistem Mikrokontroler ATMega16 ATMega16 merupakan mikrokontroler 8-bit CMOS yang memiliki kemampuan tinggi dengan daya rendah. Fitur-fitur yang digunakan untuk penelitian ini adalah Analog to Digital Converter (ADC), Receiver Interrupt dan komunikasi serial USART melalui Bluetooth..

Analog to Digital Converter dan Rx Interrupt Proses inisialisasi ADC meliputi penentuan clock, tegangan referensi, format output data dan mode pembacaan. Karena yang digunakan adalah ADC 8 bit, maka formula yang digunakan adalah :. Receiver Interrupt adalah proses komunikasi dua arah, yaitu menerima sebuah interrupt berupa perintah dari PC Tablet yang kemudian di jalankan pada sistem mikrokontroler dan datanya langsung dikirimkan kembali lagi ke PC Tablet..

Komunikasi Serial USART Komunikasi serial USART melalui Bluetooth, prosesnya sama dengan proses komunikasi serial USART yang menggunakan IC MAX 232, namun dengan memanfaatkan kemajuan teknologi komunikasi tanpa kabel (wireless), disini hanya memasang modul Bluetooth dengan tipe HC-05 yang langsung bisa digunakan untuk komunikasi..

Bluetooth Bluetooth adalah produk industri komunikasi yang diperuntukkan bagi Personal Area Network (PAN). Pemanfaatan teknologi bluetooth tidak membutuhkan kondisi line of sight antara perangkat komunikasi terpenuhi, hal ini disebabkan karena frekuensi yang digunakan tidak terlalu tinggi sehingga dapat memantul dinding dan permukaan lain, asalkan perangkat komunikasi tersebut masih dalam jangkauan..

PC Tablet Berbasis Android Android merupakan sebuah sistem operasi untuk perangkat mobile berbasis linux yang mencaku sistem operasi, middleware dan aplikasi. Android menyediakan platform yang terbuka bagi para pengembang untuk menciptakan aplikasi mereka masing-masing. Berikut keunggulan yang ditawarkan oleh android :  Lengkap (Complete Platform)  Terbuka (Open Source Platform)  Free Platform.

PC Tablet (Android). Ada empat jenis komponen pada aplikasi android, yaitu :  Activities Suatu activity akan menyajikan user interface (UI) kepada pengguna, sehingga pengguna dapat melakukan interaksi.  Service Service tidak memiliki Graphic User Interface (GUI), tetapi service berjalan secara background.  Broadcast Receiver Broadcast Receiver berfungsi menerima dan bereaksi untuk menyampaikan notifikasi.  Content Provider Komponen ini membuat kumpulan aplikasi data secara spesifik sehingga bisa digunakan oleh aplikasi lain..

Neural Network Struktur Neural Network : 1. Input, berfungsi sebagai dendrite 2. Output, berfungsi sebagai akson 3. Fungsi aktivasi, berfungsi seperti sinapsi.

Perancangan Sistem Perangkat keras : 1. Modul sensor 2. Sistem mikrokontroler 3. Perakitan sistem keseluruhan Perangkat lunak (Tablet). Perangkat lunak (Laptop). 1. Komunikasi Serial. 1. Komunikasi serial. 2. Kirim data (Rx. 2. Rx Interrupt. Interrupt) 3. Penerimaan data ADC 3. Penerimaan data ADC 4. User Interface 4. User Interface 5. Proses Neural Network.

Rangkaian dasar sensor gas Sensor Gas TGS. Sensor Gas MQ.

Modul sensor gas.

Sistem mikrokontroler.

Sistem mikrokontroler.

Perakitan perangkat keras.

Perancangan Perangkat Lunak (PC Tablet) Komunikasi Serial private void connectToDevice() {final TextView statusUpdate =TextView)findViewById(R.id.result); Set<BluetoothDevice> pairedDevices = btAdapter.getBondedDevices();. if(pairedDevices.size() > 0) { for(BluetoothDevice pairedDevice : pairedDevices) {if(pairedDevice.getName().equals("USB"))//20:13:02:27:03:82 {btDevice = pairedDevice; UUID uuid = UUID.fromString("00001101-0000-1000-800000805F9B34FB");.

Perancangan Perangkat Lunak (PC Tablet) Kirim Data (Rx Interrupt) private void write(byte dataWrite) { try { outputStream.write(dataWrite); outputStream.flush();} catch(Exception writeException) { } } Gas.setOnClickListener(new OnClickListener() { public void onClick(View v) { write((byte)49);// Data ‘1‘ } }); Bersih.setOnClickListener(new OnClickListener() { public void onClick(View v) { write((byte)50);// Data ‘2‘ } });.

Perancangan Perangkat Lunak (PC Tablet) Penerima Data ADC public static char read() { char dataRead = 0 ; try { dataRead = (char) inputStream.read(); Log.i("read", ""+dataRead); } catch(IOException readException) { }; return dataRead; }.

Perancangan Perangkat Lunak (PC Tablet) User Interface.

Perangkat lunak (Laptop).

Proses Neural Network. Proses neural network terdiri dari : 1. Satu layer masukan 2. Dua layer tersembunyi 3. Satu layer luaran.

Pengujian ADC Pengujian ADC 1.6 1.4 1.2. Volt. 1 0.8. 0.6 0.4 0.2 0 -0.2. 1. 2. 3. 4. 5. 6. 7. 0.2. 0.4. 0.6. 0.8. 1. 1.2. 1.4. ADC. 0.196. 0.392. 0.607. 0.803. 1. 1.196. 1.411. Error. 2%. 2%. 1.16%. -0.38%. 0%. 0.33%. -0.78%. V supply.

Pengujian Komunikasi Serial Pengujian Komunikasi Serial 6 5. Volt. 4 3 2 1 0 -1. 1. 2. 3. 4. 5. 6. 7. 1.29. 2.71. 3.07. 2.29. 2.67. 1.78. 4.94. Laptop. 1.31372. 2.74509. 3.09803. 2.31372. 2.68627. 1.84313. 5. Android. 1.28376. 2.72313. 3.07325. 2.29521. 2.64533. 1.82839. 4.94054. Error. 6.24%. -1.13%. -0.33%. -0.55%. 2.47%. -4.84%. 5.95%. AVO.

Etanol (Alkohol).

Asetil Asetat.

Heksana.

Metanol.

Pengujian Neural Network Data masukan. Kesalahan.

Hasil Pengujian Neural Network Alkohol Gas uji. Alkohol 1000. Uji ke-. Hasil threshold. Pembacaan. 1. 0110. Tidak Dikenali. 2. 0010. Heksana. 3. 0100. Asetil Asetat. 4. 1000. Alkohol. 5. 1100. Tidak Dikenali. 6. 0001. Metanol. 7. 1000. Alkohol.

Hasil Pengujian Neural Network Asetil Asetat Gas uji. Asetil Asetat 0100. Uji ke-. Hasil threshold. Pembacaan. 1. 0100. Asetil Asetat. 2. 0101. Tidak dikenali. 3. 0010. Heksana. 4. 0101. Tidak dikenali. 5. 0100. Asetil Asetat. 6. 0100. Asetil Asetat. 7. 0100. Asetil Asetat.

Hasil Pengujian Neural Network Alkohol Gas uji. Heksana 0010. Uji ke-. Hasil threshold. Pembacaan. 1. 1000. Alkohol. 2. 0010. Heksana. 3. 0010. Heksana. 4. 0001. Metanol. 5. 0001. Metanol. 6. 0010. Heksana. 7. 0011. Tidak dikenali.

Hasil Pengujian Neural Network Alkohol Gas uji. Metanol 0001. Uji ke-. Hasil threshold. Pembacaan. 1. 0001. Metanol. 2. 0001. Metanol. 3. 1010. Tidak dikenali. 4. 0010. Heksana. 5. 0100. Asetil Asetat. 6. 0101. Tidak dikenali. 7. 0010. Heksana.

Terima Kasih.