rancang bangun sistem pendeteksi jenis cairan

RANCANG BANGUN SISTEM
PENDETEKSI JENIS CAIRAN
MENGGUNAKAN DERET LED DAN
METODE JARINGAN SYARAF
TIRUAN
Yusnita Tanjung Sary
2206.100.606
Dosen Pembimbing
Dr. Muhammad Rivai,
Rivai, ST, MT
Ir. Harris Pirngadi,
Pirngadi, MT
Jurusan Teknik Elektro
Fakultas Teknologi Industri
Institut Teknologi Sepuluh Nopember Surabaya
Latar Belakang
Spectrophotometer
Tujuan Penelitian

Membuat suatu sistem yang dapat mendeteksi dan
membedakan jenis cairan tertentu yang mempunyai
dimensi kecil, murah dan potrable.
Batasan Masalah




Bahan uji atau larutan yang diukur berupa jenis cairan
tertentu dan tidak berwarna.
Bahan yang di uji ialah aquades, larutan gliserin,
alkohol, minyak gandapura, minyak singer, cuka, dan
acetone.
Proses pembelajaran dilakukan pada Personal
Computer (PC) dengan menggunakan toolbox MATLAB,
sedangkan proses pengujiannya dilakukan pada
mikrokontroler AVR ATMega16.
Tabung larutan yang digunakan mempunyai dimensi
tertentu dan ketebalan tertentu.
Elektromagnetik
Panjang Gelombang Elektromagnetik
Diagram Blok Sistem
LED
Teori LED
 Bahan dasar LED adalah bahan Galium Arsenida
(GaAs) atau Galium Arsenida Phospida (GaAsP)
atau juga Galium Phospida (GaP)
Photodioda
Teori Photodioda
 Bahan dasar LED adalah silicon (Si) atau gallium
arsenide (GaAs), dan lain-lain termasuk indium
antimonide (InSb), indium arsenide (InAs), lead selenide
(PbSe), dan timah sulfida (PBS)
Mikrokontroler
konfigurasi I/O
 Mikrokontroler yang
digunakan adalah ATMega 16
 Port A0 digunakan untuk input
ADC dan Port A5, A6 dan Port
A7 digunakan untuk kontrol
demultiplexer.
 PortC digunakan untuk display
LCD
Mikrokontroler
Minimum sistem mikrokontroler
 Board minimum sistem
mikrokontroler yang
digunakan adalah
minimum sistem
mikrokontroler AVR
ATMega 16
Data target pelatihan
 Data target yang akan
digunakan dalam proses
pelatihan data
No pola
Cairan
Target
1
Minyak
Gandapura
1000000
2
Minyak Singer
0100000
3
Aquades
0010000
4
Alkohol
0001000
5
Larutan Gliserin
0000100
6
Cuka
0000010
7
Empty
0000000
Algoritma BackPropagation
 Arsitektur jaringan backpropagation
arsitektur backpropagation terdiri dari input layer, hidden layer,
dan juga output layer.
Algoritma BackPropagation
Perencanaan pada komputer
 Perancangan perangkat lunak pada komputer
menggunakan toolbox Mathlab dan avr
mikrokontroler. Pada toolbox Mathlab akan
digunakan untuk proses pelatihan data.
Sedangkan avr digunakan untuk pengujian data.
 Konfigurasi yang digunakan dalam perencangan
adalah 5 buah neuron input, 10 buah neuron
hidden, dan 7 buah neuron output. Selain itu juga
digunakan bias pada input dan juga hidden layer.
Algoritma BackPropagation Konfigurasi
jaringan
GANDA
PURA
LED
MERAH
LED
PINK
HIDDEN
1
HIDDEN
2
SINGER
AQUADES
HIDDEN
3
LED
BIRU
CUKA
HIDDEN
4
LED
HIJAU
LED
ORANYE
BIAS
INPUT
ALKOHOL
HIDDEN
10
BIAS
HIDDEN
LARUTAN
GLISERIN
EMPTY
Algoritma BackPropagation Perancangan
pada Mikrokontroler


Pada mikrokontroler
akan dirancang fase
feedforward
backpropagation
neural network
Fase feedforward ini
digunakan untuk
proses pengujian.
Zj 
1
(  z _ in j )
1  exp
p
Y _ in k  W 0 k 

Z jW
jk
j 1
n
Z _ in j  V0 j   X iVij
i 1
Yk 
1
1  exp (  y _ ink )
 1, x  threshold
y  f ( x)  
 0 , x  threshold
Pelatihan data
 Dalam proses pelatihan data ini akan dilatihkan pasangan
data yang sesuai dengan pola-pola berikut.
Pola Input
merah
200
violet
150
biru
100
hijau
50
oranye
Jenis Cairan
em
pt
y
cu
ka
er
in
gl
is
al
ko
ho
l
s
aq
ua
de
ge
r
sin
ur
a
0
ga
nd
ap
Rata-Rata Pola
250
Pelatihan data
(lanjutan)
 Dari proses pelatihan data didapatkan gambar
grafik seperti berikut.
 Nilai MSE pada epoch ke 228 adalah
1.21163e-13
Pengujian hasil pelatihan data
 Dari tabel kesesuaian
kondisi hasil perhitungan,
ada pasangan data yang
tidak sesuai dengan target.
Dengan demikian
Persentase error yang
didapatkan adalah sebesar
17,14%
Kesimpulan






Deret LED dapat digunakan untuk mendeteksi jenis larutan.
Berdasarkan pengujian sensor photodioda dapat disimpulkan bahwa
besarnya arus sensor photodioda sebanding dengan besarnya
intensitas cahaya .
Berdasarkan hasil pengambilan data dapat diketahui bahwa sensor
photodioda dapat menangkap sinar yang telah diteruskan oleh larutan.
Hasil dari pengujian JST yang telah dilakukan, JST dapat mempelajari
6 pola larutan.
Berdasarkan 6 sampel larutan yang telah diambil, setiap larutan
memiliki penyerapan panjang gelombang yang berbeda-beda.
Berdasarkan pengujian pengenalan untuk 6 jenis larutan diperoleh
tingkat kesuksesan sebesar 82.86%.
Terima Kasih