sistem kendali mesin pencampur adonan semen berbasis neural network
TRANSCRIPT
TUGAS MATA KULIAH TEKNIK NEUROFUZZY
SISTEM KENDALI MESIN PENCAMPUR ADONAN SEMEN
BERBASIS NEURAL NETWORK
Oleh :
Bobby Rian Dewangga 11/313684/TK/37994
Raedi Hasan Ashshiddiie 11/313204/TK/37838
Validi Vega 11/319587/TK/38715
JURUSAN TEKNIK ELEKTRO DAN TEKNOLOGI INORMASI
FAKULTAS TEKNIK
UNIVERSITAS GADJAH MADA
2013
1
BAB I
PENDAHULUAN
Latar Belakang Masalah
Semen merupakan salah satu bahan yang paling banyak dipakai dalam proses
pembangunan, baik itu gedung, jembatan, hingga jalan raya. Dalam praktiknya, gedung
misalnya, semen digunakan di hampir semua bagian gedung, mulai dari pondasi, lantai,
tembok, hingga atap gedung. Untuk menggunakannya terkadang semen harus diolah
terlebih dahulu menjadi bahan bangunan lain, seperti beton, batako, atau paku bumi.
Melihat dari banyaknya kegunaan dari semen, maka sangat tidak mungkin apabila
semua kegunaan tersebut dapat dilakukan dengan baik hanya oleh satu jenis semen saja.
Untuk masing-masing kegunaan khusus tersebut maka perlu dibuat semen dengan
campuran yang khusus pula. Selain pertimbangan kualitas, pertimbangan ekonomis juga
menuntut adanya perbedaan jenis semen.
Untuk membuat suatu campuran semen yang baik, atau sesuai dengan kebutuhan,
dibutuhkan mesin pencampur yang mampu bekerja secara cerdas, yaitu mesin tersebut
dapat melakukan tugasnya secara otomatis dengan hasil yang presisi terhadap referensi
dan dapat diadaptasikan terhadap pencampuran berbagai jenis semen. Jadi, mesin bukan
hanya dapat digunakan untuk pengolahan satu jenis semen saja. Oleh karena itu,
diperlukan suatu sistem kendali cerdas pada mesin pencampur adonan semen tersebut.
Rumusan Masalah
1. Bagaimanakah cara kerja mesin pencampur adonan semen?
2. Bagaimanakah sistem kendali dari mesin pencampur adonan semen?
Tujuan
1. Mengetahui cara kerja mesin pesin pencampur adonan semen.
2. Mengetahui sistem kendali dari mesin pencampur adonan semen.
2
BAB II
TINJAUAN PUSTAKA
Jaringan Saraf Tiruan Hebb
Aturan pembelajaran paling sederhana dan paling awal untuk jaringan syaraf secara umum
diketahui sebagai aturan Hebb. Pada jaringan Hebb, pembelajaran terjasi dengan modifikasi
dari kekuatan sinapsis (bobot) sedemikian rupa sehingga jika dua neuron yang ter-
interkoneksi hidup pada waktu bersamaan, bobot antara neuron-neuron tersebut kemudian
harus dinaikkan. (Fausett, 1993). Jaringan Hebb merupakan suatu metode pelatihan jaringan
satu lapis yang mana pelatihan terjadi dengan memodifikasi sedemikian rupa nilai dari bobot.
Biasanya fungsi aktivasi yang digunakan dalam jaringan adalah fungsi bipolar. Bentuk
arsitektur jaringan Hebb diperlihatkan dalam gambar dibawah ini:
Gambar 2.1. Arsitektur jaringan Hebb
Terlihat pada jaringan bahwa pada lapisan masukan terdiri dari beberapa sel neuron
pada lapisan masukan yaitu x1, x2 dan satu sel neuron pada lapisan keluaran yaitu, Y. Sel
bias yang diberikan pada lapisan keluaran adalah untuk mengolah data dari masukan yang
menuju sel pada lapisan keluaran yang tentunya disertai fungsi aktifasi yang diterapkan pada
sel tersebut. Dalam hal ini, bila dua neuron yang terinterkoneksi keduanya “on” pada saat
yang sama maka bobot kedua neuron harus ditambah.
Persamaan bobot baru adalah:
jiijij tXlamaWbaruW .)()( +=
Langkah-langkah algorima dari jaringan Hebb adalah sebagai berikut:
Langkah 0. Inisialisasi bobot Wij = 0
Langkah 1. Untuk setiap pasangan input-output (s-t), lakukan langkah-
3
langkah sebagai berikut:
(i) Tetapkan fungsi aktifasi pada unit masukan yang mempunyai
nilai sama dengan vector masukan Xi = Si , (i = 1,2,..n).
(ii) Tetapkan fungsi aktifasi unit keluaran yang mempunyai nilai
sama dengan vector keluaran Yj = tj, (i = 1,2,..m).
(iii). Atur bobot dengan menggunakan persamaan:
jiijij tXlamaWbaruW .)()( +=
Atur nilai bias dengan menggunakan persamaan:
jjj tlamabbarub += )()(
(Asri, tanpa tahun)
Semen
Semen berasal dari bahasa latin “cementum”, dimana kata ini mula-mula dipakai oleh
bangsa Roma yang berarti bahan atau ramuan pengikat, dengan kata lain semen dapat
didefinisikan adalah suatu bahan perekat yang berbentuk serbuk halus, bila ditambah air akan
terjadi reaksi hidrasi sehingga dapat mengeras dan digunakan sebagai pengikat (mineral
glue).
Bahan baku pembuatan semen adalah batu kapur, pasir silika, tanah liat dan pasir besi.
Total kebutuhan bahan mentah yang digunakan untuk memproduksi semen yaitu:
• Batu kapur
Batu kapur merupakan sumber utama oksida yang mempumyai rumus CaCO3 (Calcium
Carbonat), pada umumnya tercampur MgCO3 dan MgSO4. Batu kapur yang baik dalam
penggunaan pembuatan semen memiliki kadar air ± 5%, dan penggunaan batu kapur dalam
pembuatan semen itu sendiri sebanyak ± 81 %.
• Pasir silika
Pasir silika memiliki rumus SiO2 (silikon dioksida). Pada umumnya pasir silika terdapat
bersama oksida logam lainnya, semakin murni kadar SiO2 semakin putih warna pasir
silikanya, semakin berkurang kadar SiO2 semakin berwarna merah atau coklat, disamping itu
semakin mudah menggumpal karena kadar airnya yang tinggi. Pasir silika yang baik untuk
pembuatan semen adalah dengan kadar SiO2 ± 90%, dan penggunaan pasir silika dalam
pembuatan semen itu sendiri sebesar ± 9%.
• Tanah liat
4
Rumus kimia tanah liat yang digunakan pada produksi semen SiO2Al2O3.2H2O. Tanah liat
yang baik untuk digunakan memiliki kadar air ± 20 %, kadar SiO2 tidak terlalu tinggi ± 46
%, dan penggunaan tanah liat dalam pembuatan semen itu sendiri sebesar ± 9%.
• Pasir besi
Pasir besi memiliki rumus kimia Fe2O3 (Ferri Oksida) yang pada umumnya selalu tercampur
dengan SiO2 dan TiO2 sebagai impuritiesnya. Fe2O3 berfungsi sebagai penghantar panas
dalam proses pembuatan terak semen. Kadar yang baik dalam pembuatan semen yaitu Fe3O2
± 75%-80%. Pada penggilingan akhir digunakan gipsum sebanyak 3-5% total pembuatan
semen. penggunaan pasir besi dalam pembuatan semen itu sendiri sebesar ± 1%.
(Gilank,2012)
Proses Pencampuran (blending) dan Homogenisasi
Tujuan dari proses pencampuran adalah untuk mencapai tingkat komposisi yang
diinginkan (faktor jenuh kapur, modulus silica, dan modulus alumina) dari bahan baku semen
atau untuk menghasilkan kualitas tertentu semen dengan mengendalikan proporsi campuran
bahan baku semen. Untuk mencapai proporsi campuran bahan baku semen yang tepat akan
sangat sulit, karena inkonsistensi pada komposisi kimia dari bahan baku semen. (Bavdaz dan
Kocijan, 2007). Alat utama yang digunakan untuk mencampur dan menghomogenkan bahan
baku adalah blending silo, dengan media pengaduk adalah udara. Bahan baku masuk dari
bagian atas blending silo, oleh karena itu alat transportasi yang digunakan untuk mengirim
bahan baku hasil penggilingan blending silo adalah bucket elevator, dan keluar dari bagian
bawah blending silo dilakukan pada beberapa titik dengan jarak tertentu, dan diatur dengan
menggunakan valve yang sudah diatur waktu bukaannya. Proses pengeluarannya dari
beberapa titik dilakukan untuk menambah kehomogenan bahan baku. Blending silo
dilengkapi dengan alat pendeteksi ketinggian (level indicator), sehingga jika blending silo
sudah penuh, maka pemasukan bahan baku terhenti secara otomatis. (Gilank,2012)
5
BAB III
METODE PENELITIAN
3.1 Alat dan Bahan
a. Alat
1. Weigh Feeder
2. Conveyor Belt
3. Conveyor Belt Controller
4. Grinding Mill
5. Silo
6. Komputer
7. Analyzer
b. Bahan
1. Batu Kapur CaCO3
2. Tanah Liat 2SiO2.Al2O3.2H2O
3. Pasir Silika SiO2
4. Pasir Besi FeO3
3.2 Cara Penelitian
a. Studi Literatur
Studi literatur dilakukan dengan cara membaca artikel, jurnal, dan buku-buku yang
menjelaskan tentang tahap pencampuran bahan semen di industri, kendali cerdas
jaringan neural, dan aplikasi jaringan neural pada otomasi industri khususnya pada
bidang pencampuran bahan baku semen.
b. Perancangan Kendali
Penelitian ini difokuskan pada pencampuran bahan – bahan baku semen. Oleh
karena itu, sistem kendali yang akan dibuat melalui penelitian ini adalah sistem
kendali cerdas menggunakan jaringan neural untuk sistem pencampuran bahan –
bahan baku semen.
Skema dari perancangan sistem ditunjukkan pada gambar berikut:
6
Gambar 3.1 Skema Perancangan Alat
Gambar 3.1 menunjukkan skema representasi dari proses pencampuran bahan baku
semen. Bahan baku semen tersebut dicampur pada proporsi yang tepat yang takaran
pastinya dikendalikan oleh weigh feeder untuk kemudian diumpankan ke grinding
mill. Grinding mill menggiling bahan – bahan tersebut menjadi ukuran tertentu. Bahan
– bahan baku pada mill kemudian diambil sampel untuk dianalisis pada komposisi
masing – masing material. Hasil dari analisis tersebut menjadi input untuk kemudian
komputer mengirimkan perintah pada conveyor belt controller.
Sistem kendali yang digunakan pada proses pencampuran ini menggunakan sistem
pembelajaran jaringan neural sederhana Hebb dengan empat input dan empat jenis
output untuk masing – masing conveyor belt controller. Berikut adalah algoritma
sistem pengendali:
7
Gambar 3.2 Diagram Alir Sistem Kendali
Karena terdapat empat input (X) dan empat jenis output/fungsi aktivasi (Y), maka
bobot (W) dari jaringan neural akan berupa matriks berukuran 4x4. Setelah dihasilkan
bobot hasil dari sistem pembelajaran diberikan pasangan data input dan output yang
benar, maka dapat ditentukan fungsi aktivasi dari sistem tersebut. Gambar. 3.2 di atas
menjelaskan fungsi aktivasi (Y) untuk masing – masing conveyor belt controller.
Selanjutnya, apabila fungsi aktivasi bernilai 1, maka bahan baku semen yang
dikendalikan oleh conveyor belt controller tadi akan ditambahkan dalam jumlah
sedikit yang ditakar oleh weigh feeder. Apabila fungsi aktivasi bernilai -1, maka
bahan baku semen tersebut tidak akan ditambahkan.
Y
T
Net[j]
> 0 ?
Y[j]=1 Y[j]=-1
j++
Start
j=1
j > 4 ?
Net[j] = 0
i=1
i > 4 ?
Net[j] = Net[j] + b + X[i]W[i][j]
i++
Selesai
T
Y Y
T
8
c. Simulasi Perancangan
Pada tahap ini dilakukan uji coba fungsi aktivasi melalui berbagai macam input
kondisi komposisi masing-masing bahan baku. Nilai -1 pada data input
mengindikasikan bahwa bahan baku semen yang terukur memiliki komposisi yang
masih kurang dari proporsi seharusnya sedangkan nilai 1 mengindikasikan bahwa
bahan baku semen yang terukur telah memenuhi proporsi seharusnya. Kemudian hasil
dari fungsi aktivasi yang diperoleh dibandingkan dengan target yang diberikan saat
pelatihan/pembelajaran pada kondisi input yang sama.
9
BAB IV
HASIL DAN PEMBAHASAN
Hasil modifikasi bobot dengan pelatihan menggunakan jaringan hebb untuk masing-
masing parameter dapat dilihat pada gambar dibawah:
• Untuk parameter Kapur
Sistem pembelajaran untuk pecarian bobot
Fungsi aktivasi untuk berbagai input
• Untuk parameter Silica
Sistem pembelajaran untuk pecarian bobot
10
Fungsi aktivasi untuk berbagai input
• Untuk parameter Tanah Liat
Sistem pembelajaran untuk pecarian bobot
Fungsi aktivasi untuk berbagai input
11
• Untuk parameter pasir besi
Sistem pembelajaran untuk pecarian bobot
Fungsi aktivasi untuk berbagai input
Pada pengendalian sistem pencampuran bahan-bahan pembuat semen ini, dilakukan
pencarian nilai bobot untuk masing-masing jenis output. Pencarian bobot tersebut dilakukan
melalui pemberian pelatihan dengan memasukkan nilai input dan keluaran diharapkan
(target) pada sistem.
Untuk parameter batu kapur, nilai target yang diberikan untuk memodifikasi bobotnya
adalah [-1 -1 -1 -1 -1 -1 -1 -1 1 1 1 1 1 1 1 1 1]. Nilai target tersebut didasarkan pada input
komposisi batu kapur dari campuran. Untuk semua kasus, nilai target -1 berarti bahwa
komposisi batu kapur sudah sesuai takarannya sehingga tidak perlu dilakukan tindakan
penambahan batu kapur untuk mencapai komposisi yang diinginkan. Sedangkan nilai target 1
berarti bahwa komposisi batu kapur kurang dari takaran komposisi seharusnya sehingga perlu
dilakukan tindakan penambahan batu kapur untuk mencapai komposisi yang diinginkan.
Pasangan input dan target yang diberikan untuk melatih jaringan neural berfungsi untuk
memodifikasi bobot sehingga bobot akhir diperoleh.
12
Dari hasil percobaan diperoleh bobot baru untuk masing – masing jenis output :
W = [ -2 0 0 0 0 ] ; [ -2 -16 0 0 ] ; [ -2 0 -16 0 ] ; [ -2 0 0 -16]
Dari bobot di atas, dapat ditentukan net yang merupakan penjumlahan dari bias dan sigma
input-bobot. Apabila net bernilai positif, maka fungsi aktivasinya adalah 1 di mana akan
dilakukan penambahan komposisi pada bahan semen tertentu. Apabila net bernilai negatif,
maka fungsi aktivasi adalah -1 yang berarti tidak dilakukan penambahan komposisi pada
bahan semen tertentu. Jaringan neural yang digunakan pada penelitian ini telah dapat
mengenali pola dan dapat digunakan sebagai sistem kendali pencampuran bahan semen.
13
BAB V
KESIMPULAN DAN SARAN
A. Kesimpulan
1. Mesin pencampur adonan semen dapat menggunakan kendali dengan Jaringan
Neural Sederhana.
2. Jaringan Neural yang dipakai menggunakan metode pelatihan Hebb.
B. Saran
1. Untuk mendapatkan hasil yang lebih baik, sebaiknya digunakan metode pelatihan
yang lebih cerdas dibanding metode Hebb.
2. Hasil yang lebih baik lagi juga dapat diperoleh dengan menambahkan logika
fuzzy.
14
DAFTAR PUSTAKA
Asri, K.S. Pusat pengembangan Bahan Ajar UMB.
Bavdaz, G. dan Kocijan, J. 2007. Fuzzy Controller for Cement Raw Material Blending.
Transactions of the Institute of Measurement and Control 29, 1 (2007), hal. 17- 34.
Fausett, L. 1993. Fundamental of Neural Networks: Architecture, Algorithms, and
Applications”. New Jersey: Prentice Hall.
Gilank, P. 2012. Sistem Produksi Dan Manajemen Kualitas di PT. Semen Gresik (Persero)
Tbk. Jawa Timur: Universitas Pembangunan Nasional “Veteran”.