46 ANALISIS RANDOM NOISE PADA PROSES PEMBAKARAN

Jurnal Litek Volume 5 Nomor 2, September 2008: hal. 46-48
ANALISIS RANDOM NOISE PADA PROSES PEMBAKARAN MOTOR ROKET
Arief Mardiyanto1
ABSTRAK
Proses pembakaran motor roket berakibat masanya berkurang dan timbul goncangan sehingga menghasilkan random
noise yang didalamnya mengandung banyak informasi isyarat. Random noise yang ditimbulkan oleh gangguan secara
berkilas dan berlangsung cukup cepat maka merupakan white noise Dengan teknik pemrosesan isyarat( signal
Processing) suatu random noise akan dapat dipisahkan guna mendpaatkan isyarat dan informasi yang dibutuhkan.
Tegangan desah efektif ditimbulkan oleh suhu, lebar jalur (Hz) dan resistansi dalam rangkaian.
Kata kunci : pembakaran motor roket, random noise, white noise, signal processing, tegangan desah efektif.
PENDAHULUAN
persamaannya adalah v - ukeluar. Jadi momentum awal
sistem pada saat t adalah:
Pi = m.v
................................................... (1)
Momentum sistem pada saat t + t adalah:
Pf = ( m -  m ) (v + v) +  m ( v - ukeluar )
= mv + m.v – v. m - m  v + v  m  ukeluar  m 
= mv + m.v - ukeluar  m  ...................... (2)
Dengan menghitung perubahan momentum dan
menyamakannya dengan impuls, maka didapatkan
persamaan:
P = Pf – Pi = m.v - ukeluar  m  = Feks t ….(3)
Kondisi massa roket akan mengalami
perubahan terus menerus ketika roket tersebut
melakukan
pembakaran
bahan
bakarnya
dan
mengeluarkan gas buangnya. Sehingga momentum yang
hilang karena gas yang dikeluarkan sama dengan
momentum yang diperoleh roket. Akibat lain yang
ditimbulkan adalah menghasilkan random sinyal yang
mengandung informasi isyarat komplek. Komponen
random noise yang ditimbulkan secara berkilas dan
berlangsung cukup cepat merupakan white noise yang
perlu ditekan sampai minimum, jika tidak informasi
keluaran yang dibutuhkan bisa hilang tenggelam
didalam desah. Dalam tulisan ini membahas random
noise yang didapatkan pada saat pengujian proses
pembakaran motor roket dengan menggunakan analisa
wavelet, serta dimaksudkan untuk mengetahui besarnya
tegangan desah efektif.
Selanjutnya dibagi dengan waktu dan
mengambil limit bila t mendekati no, maka suku v/ t
mendekati turunan dv/dt, yang merupakan percepatan,
dan suku m/t
mendekati dm/dt dan ini
meruapakan nilai absolut laju perubahan massa roket.
Jadi persamaan untuk roket sekarang adalah :
TINJAUAN PUSTAKA
m
Gaya Dorong
Hukum kekekalan momentum merupakan
rumusan aplikasi untuk aksi dorongan motor jet, dimana
gas akan mengerjakan gaya yang sama dan berlawanan
pada roket untuk mendorongnya kedepan. Momentum
yang hilang karena gas yang dikeluarkan sama dengan
momentum yang diperoleh roket. Kondisi massa roket
akan mengalami perubahan terus menerus saat roket
tersebut melakukan pembakaran bahan bakarnya dan
mengeluarkan gas buangnya. Feks merupakan gaya
eksternal netto yang bekerja pada roket, m adalah massa
roket ( ditambah bahan bakar yang belum terbakar
didalamnya), dan v merupakan kelajuan roket relatif
terhadap bumi pada saa t . Saat t + t, roket
mengeluarkan gas bermassa m yang berupa nilai
absolut, karena massa gas yang dikeluarkan sama
besarnya dengan perubahan massa roket m, yang
bernilai negatif. Jadi pada saat t + t, roket mempunyai
massa m - m dan bergerak dengan kelajuan v + v.
Apabila gas buang dengan kelajuan Ukeluar memiliki
nilai relatif terhadap roket, maka kecepatannya pada
saat t + t akan relatif terhadap bumi sehingga
1
dv
dm
 u keluar
 Feks
dt
dt
.......(4)
Besaran ukeluar dm/dt dinamakan dorongan roket :
Fdorongan = ukeluar dm/dt.......................(5)
Noise
Noise merupakan sinyal yang tidak dikehendaki,
pada umumnya bersama sama dengan sinyal informasi
yang dikehendaki bergabung menjadi satu kesatuan
sinyal. Usaha untuk memisahkan informasi dari noise
dilakukan dengan analisis pengolahan sinyal. Signal-toNoise Ratio (SNR) merupakan suatu parameter yang
penting untuk mengukur kualitas suatu informasi di
dalam suatu sinyal, definisinya :
Daya Sinyal
SNR 
..................................(6)
Daya Noise
makin kecil angka SNR makin sulit informasi diambil
atau dipisahkan dari noise.
H
o
: tidak
terdapat
signal
/ inf ormasi
adanya
y (t )  n (t )
H
1
: terdapat
inf ormasi
y ( t )  x ( t )  n t 
adalah Dosen Politeknik Negeri Lhokseumawe
46
adanya
kelainan
kelainan
Analisis Random Noise Pada Proses……………………………………………………………………….…..Arief Mardiyanto)
dimana x(t) adalah informasi (sinyal) yang diinginkan,
n(t) adalah noise yang posisinya merupakan ketidak
pastian. Oleh karenanya kehadiran noise n(t) didalam
sinyal yang diterima y(t) menjadikan tes hipotesa hanya
dapat dilakukan dengan prinsip statistik, dan digunakan
probabilitas kondisional :
p (H 0 │ y (t )) : adalah probabilitas diperolehnya H0 untu
y(t) yang diberikan, p(H1 │ y (t )) : adalah probabilitas
diperolehnya H1 untu y(t) yang diberikan
sehingga nilai H0 dapat diputuskan jika :
p (H 0 │ y (t )) > p (H 1 │ y(t )) atau
diskret menjadi koefisien-koefisien wavelet yang
didapatkan dengan cara menggunakan dua tapis; low
pass filter (LPF) dan high pass filter (HPF) untuk
menapis sinyal yang beralawanan. Tapis lolos-rendah
mewakili fungsi basis (fungsi penyekala) dan tapis detil
mewakili wavelet. Proses alihragam sinyal ini
dinamakan proses alihragam wavelet dengan cara filter
bank,dan menghasilkan dua koefisien :
1. Koefisien aproksimasi (approximations) adalah
komponen yang paling penting pada sinyal, karena
mengandung komponen frekuensi rendah sinyal.
2. Koefisien detil (details) adalah koefisien yang
mengandung komponen frekuensi tinggi.
Langkah-langkah proses alihragam wavelet
diskrIt satu level ditunjukkan pada gambar 2.
p ( H 0 y (t ))
 1 .......................................................(7)
p ( H 1 y (t ))
sebaliknya bila H1 yang benar maka :
p (H 1 │ y (t ))
p ( H 1 y (t ))
p ( H 0 y (t ))
1
> p (H 0 │ y(t )) atau
..................................................(8)
Gambar 2. Alihragam Wavelet DiskrIt
Keterangan:
S
LPF
HPF
A
D
: Sinyal Asli Diskret
: Low Pass Filter (tapis lolos rendah)
: High Pass Filter (Tapis lolos tinggi)
: Koefisien Aproksimasi
: Koefisien detil
fungsi wavelet Ψ yang mengalami berbagai pergeseran
dan penyekalaan dalam rentang waktu tertentu,
persamaan matematisnya adalah
Wavelet

C (skala , posisi)   f (t ) Ψ (skala,posisi,t) dt..........(10)
Alihragam wavelet dekomposisi merupakan
suatu proses pengubahan data kebentuk lain sehingga
mudah dianalisis, sehingga merupakan proses mengubah
sinyal kedalam berbagai gelombang wavelet asli (mother
wavelet) dengan berbagai pergeseran dan penyekalaan,
persamaan itu adalah :


C (skala , posisi)   f (t )
 Ψ(skala,posisi,t) .........(11)

2
Pemetaan atas fungsi f (t )  L (ℝ) yang gayut pada

i j ( x) :  (2 j x  i) ................................(9)
parameter waktu t, untuk suatu fungsi f ( , ) gayut
pada skala atau dilatasi parameter σ dan translasi waktu
parameter
τ
.
dengan
persamaan
;




1
t  
f ( ,  )  W  f , ( ,  0   f (t )

dt (12)



   
Sifat alih ragam wavelet menjadi begitu penting
dalam berbagai bidang, karena:
1. Waktu kompleksitasnya bersifat linear. Alih ragam
wavelet dapat dilakukan dengan sempurna dengan
waktu yang bersifat linear.
2. Koefisien-koefisien wavelet yang terpilih bersifat
jarang. Secara praktis, koefisien-koefisien wavelet
kebanyakan bernilai kecil. Kondisi demikian sangat
memberikan keuntungan terutama dalam bidang
pemampatan data.
3. Wavelet dapat beradaptasi pada berbagai jenis fungsi,
seperti fungsi yang tidak kontinu (diskret) dan fungsi
yang didefinisikan pada domain yang dibatasi.
Fungsi Ψ(t) L2  (ℝ) untuk menganalisis gelombangsingkat.
METODE PENELITIAN
Setup percobaan pada proses pembakaran
motor roket dengan menggunakan sensor accelerometer
seperti pada skema gambar dibawah, untuk merecord
hasil-hasil sinyal yang mentransfer informasi dengan
menggunakan ADC yang dihubungkan dengan serial
port RS 232 ke sebuah komputer.
Wavelet Diskrit
Seperti halnya alih ragam fourier diskret, alih
ragam wavelet diskrIt adalah pengalih ragaman sinyal
47
Jurnal Litek Volume 5 Nomor 2, September 2008: hal. 46-48
Sensor
RS232
ADC
C
Gambar 7. Denoising dengan White Noise
KESIMPULAN
Gambar 3. Setup penempatan sensor dengan rangkaian
ADC
Dari hasil record data dilapangan dan
selanjutnya dianalisa dengan wavelet, maka dapat di
ambil kesimpulan bahwa :
1. Noise yang terjadi pada saat pembakaran propelan
roket tidak berasal dari satu sumber, melainkan
banyak media yang mempengaruhi.
2. Sumber panas saat bahan propelan meledak
memberikan sinyal hentakan yang keras sehingga
suara ledakan merupakan salah satu sumber sinyal
yang besar dan temperatur panas pembakaran dapat
menimbulkan noise yang berlebihan secara kontinyu.
3. Akibat gesekan pada tabung roket dengan pencekam
dapat menimbulkan noise.
4. Ledakan pada propelan yang besar akan berakibat
pengiriman sinyal informasi pada payload roket akan
berpengaruh.
5. Telah dilakukan pengujian untuk meneliti kandungan
informasi sinyal yang dihasilkan pada pengujian
pembakaran propelan roket.
HASIL DAN PEMBAHASAN
Penyesuaian penggunaan sensor gaya dorong,
sensor accelerometer dan perekam data (komputer)
bertujuan agar parameter besar gaya dorong saat terjadi
pembakaran bahan bakar propelan dapat ter-rekam
dengan baik. Pemasangan sensor accelerometer ke
bagian propelan uji statis roket dan menseting program
softwarenya, agar tidak mengganggu secara teknis uji
statis roket
SARAN
Masih diperlukan adanya media peredam pada
bagian fisik tabung roket saat pengujian pembakaran
propelan roket, sehingga dapat mengurangi noise dari
sinyal informasi yang diperlukan.
Gambar 4. Dekomposisi Penuh Sinyal
DAFTAR PUSTAKA
[1] Ahmed-Sid, M. A.,1995, “Image Processing,
Theory, Algorithms and Architectures”, McGrawHill International Editions, Singapore.
[2] Candy, V James., 1987, “ Signal Processing “ The
Model- Based Approach, Mc Graw-Hill
Book
Company.
[3] Daubechies, I., 1995, “Ten Lectures On Wavelets”,
Capital City Press, Montpelier,Vermont.
[4] DeFaatta, J
David., Lucas, G Joseph.,
and
Hodgkiss, S William., 1988, “Digital Signal
Processing” A System Design Approach., John
Wiley and Sons.
[5] Newland, D. E., 1995 “ An Introduction to
Random Vibrations Spectral and Wavelet
Analysis”, Third Edition, Longman House, Burnt
Mill, Harlow, England.
Gambar 5. Detail Aproksimasi Signal dan koefisiennya
Gambar 6 Denoising Residual
48