Sistem Identifikasi Kualitas Bahan Bakar Minyak Menggunakan Deret Light Emitting Diode Nurseno Aqib Fadwi Adi 2209100156 Dosen Pembimbing 1 Dr. Muhammad Rivai, ST., MT. Dosen Pembimbing 2 Ir. Siti Halimah Baki, 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 berbedabeda? 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 Downloader Decoder Penguat Regulator Penyearah Driver LED Komunikasi Serial Deret LED Supply Fotodioda Sistem Mikrokontroler
Implementasi Sistem : Software Program Pelatihan Program Utama Proses Identifikasi Pengambilan Sampel
Rancangan Tempat Bahan Uji
Regulator Tegangan : Switching Regulator Switching Regulator Produksi panas rendah Efisiensi tinggi Linier Regulator Produksi panas tinggi Efisiensi rendah
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 3 2,5 2 1,5 1 0,5 0 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 3,5 3 2,5 2 1,5 1 0,5 0 Bensin Murni Bensin + Minyak Minyak Tanah Pertamax + Minyak Pertamax Murni
Respon Sensor Fotodioda 3,5 3 2,5 Bensin Murni Bensin + Minyak Minyak Tanah Pertamax + Minyak Pertamax Murni 2 1,5 1 0,5 0 385 390 395 400 405 415 420 425 430 435 935 940 950 960 970 985 1020 1050 1060 1070 1200 1300 1450 1480 1550 1720
Grafik Penyerapan Tiap Bahan Uji Bensin murni Minyak tanah Bensin + Minyak Pertamax + Minyak Pertamax murni
Pengujian Data : Bensin Murni Pola Uji ke- Bahan Uji Hasil Threshold Hasil Identifikasi 1 10000 Bensin Murni 2 10000 Bensin Murni 1 3 Bensin Murni 10000 10000 Bensin Murni 4 00100 Minyak Tanah 5 10000 Bensin Murni
Pengujian Data : Bensin + Minyak Pola Uji ke- Bahan Uji Hasil Threshold Hasil Identifikasi 1 01000 Bensin + Minyak 2 01000 Bensin + Minyak 2 3 Bensin + Minyak 01000 01000 Bensin + Minyak 4 01000 Bensin + Minyak 5 01000 Bensin + Minyak
Pengujian Data : Minyak Tanah Pola Uji ke- Bahan Uji Hasil Threshold Hasil Identifikasi 1 00100 Minyak Tanah 2 00100 Minyak Tanah 3 3 Minyak Tanah 00100 00100 Minyak Tanah 4 00100 Minyak Tanah 5 00100 Minyak Tanah
Pengujian Data : Pertamax + Minyak Pola Uji ke- Bahan Uji Hasil Threshold Hasil Identifikasi 1 00010 Pertamax + Minyak 2 00010 Pertamax + Minyak 4 3 Pertamax + Minyak 00010 00010 Pertamax + Minyak 4 00010 Pertamax + Minyak 5 00010 Pertamax + Minyak
Pengujian Data : Pertamax Murni Pola Uji ke- Bahan Uji Hasil Threshold Hasil Identifikasi 1 00001 Pertamax Murni 2 00001 Pertamax Murni 5 3 Pertamax Murni 00001 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...