Sistem Identifikasi Kualitas Bahan Bakar Minyak Menggunakan Deret Light Emitting Diode

(1)

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.

(2)

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

(3)

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.

(4)

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?

(5)

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

(6)

(7)

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

(8)

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.

(9)

(10)

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.

(11)

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.

(12)

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

(13)

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.

(14)

Fotodioda

• Fotodioda adalah sensor

cahaya yang merespon perubahan cahaya

dengan menghasilkan arus yang berasal dari eksitasi elektron pada sambungan p-n.

(15)

(16)

(17)

Implementasi Sistem :

Hardware

Driver LED Deret LED Fotodioda Supply Regulator Penyearah Komunikasi Serial Sistem Mikrokontroler Penguat Downloader Decoder

(18)

Implementasi Sistem :

Software

Program Utama Program Pelatihan Proses Identifikasi Pengambilan Sampel

(19)

(20)

Regulator Tegangan :

Switching Regulator

• Produksi panas rendah

• Efisiensi tinggi

• Produksi panas tinggi

• Efisiensi rendah

(21)

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

(22)

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

(23)

(24)

(25)

LED

• Spesifikasi dari sebagian LED yang digunakan

hanya mengijinkan arus DC maksimal sebesar 25 mA.

• Dari penghitungan

diperoleh resistor sebesar minimal 104 ohm.

(26)

(27)

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

(28)

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

(29)

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

(30)

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.

(31)

(32)

(33)

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

(34)

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

(35)

Pola Bahan Uji

0 0,5 1 1,5 2 2,5 3 3,5

(36)

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

(37)

Grafik Penyerapan Tiap Bahan Uji

Bensin murni Bensin + Minyak

Pertamax + Minyak _{Pertamax murni}

(38)

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

(39)

Pengujian Data : Bensin + Minyak

2 1 Bensin + Minyak 01000 01000 Bensin + Minyak 2 01000 Bensin + Minyak 3 01000 Bensin + Minyak 4 01000 Bensin + Minyak 5 01000 Bensin + Minyak

(40)

Pengujian Data : Minyak Tanah

3 1 Minyak Tanah 00100 00100 Minyak Tanah 2 00100 Minyak Tanah 3 00100 Minyak Tanah 4 00100 Minyak Tanah 5 00100 Minyak Tanah

(41)

Pengujian Data : Pertamax + Minyak

4 1 Pertamax + Minyak 00010 00010 Pertamax + Minyak 2 00010 Pertamax + Minyak 3 00010 Pertamax + Minyak 4 00010 Pertamax + Minyak 5 00010 Pertamax + Minyak

(42)

Pengujian Data : Pertamax Murni

5 1 Pertamax Murni 00001 00001 Pertamax Murni 2 00001 Pertamax Murni 3 00001 Pertamax Murni 4 00001 Pertamax Murni 5 00001 Pertamax Murni

(43)

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%

(44)

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.

(45)

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

(46)