sistem kendali mesin pencampur adonan semen berbasis neural network

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


10


• Untuk parameter Tanah Liat



11

• Untuk parameter pasir besi



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”.

sistem kendali mesin pencampur adonan semen berbasis neural network

Documents