Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pada penelitian sebelumnya telah didapatkan hasil bahwa dengan menggunakan radiasi gamma mampu membedakan jenis zat dengan memanfaatkan sifat perambatannya dan atenuasi bahan. Kemudian didapatkan gagasan untuk menentukan ketinggian zat cair. Kemudian dirancang dan dibuatlah sistem pengukuran ketinggian zat cair ini berbasis mikrokontroler dan LabVIEW. Dari hasil yang didapatkan dibuatlah grafik intensitas radiasi intensidas radiasi dalam cacahan per sepuluh detik terhadap ketinggian dalam cm kemudian dikonversi menjadi ketinggian zat cair dalam cm. Dibutuhkan sebuah algoritma matematika yang mampu untuk menerjemahkan grafik ini. Ketika mencapai daerah peralihan antara zat cair yang berbeda pada grafik hasilnya terlihat daerah kurva miring. Keadaan ini yang dimanfaatkan untuk membuat algoritma tersebut. Ketinggian merupakan titik tengah dari daerah kurva miring yang dihasilkan. Hasil yang diperoleh dari sistem ini menunjukkan bahwa ketinggian zat cair dapat ditentukan dengan menggunakan radiasi gamma.

---

The previous research had showned that by using gamma radiation, it is possible to differentiate different substance using its propagation and the atenuation of the materials. Furthermore, an idea to create a device to measure the height of a fluid system are obtained. Thus, a device to measure the height of a fluid system based on microcontroller and LabVIEW are made. From the counting of this system, a graphs of radiation intensity vs. height (in cm) are then converted into the height of fluids. Results obtained from this system showed that it is possible to show the height of fluids using gamma radiation."

"Antena merupakan suatu perangkat yang mengirimkan atau menerima data dalam bentuk radiasi ke udara. Dalam pengiriman data dari pengirim ke penerima, posisi atau arah dari antena sangat berpengaruh agar data diterima dengan baik. Pengontrolan posisi antena secara manual begitu merepotkan sehmgga diperlukan suatu perangkat yang dapat mengontrol posisi antena sesuai dengan yang pemakai inginkan. Pada tugas akhir ini akan dirancang dan direalisasikan suatu perangkat untuk menggerakkan antena dengan menggunakan motor dc servo berbasis mikrokontroler AT89C51. Untuk menggerakkan antena agar posisinya sesuai dengan yang kita harapkan diperlukan 2 buah motor dc servo. Motor yang pertama digunakan untuk menggerakkan posisi dari azimut antena, sedangkan motor yang kedua digunakan untuk menggerakkan antena untuk posisi elevasi. Pergerakkan posisi azimut (0_ sampai 360_) setiap 10_, dan pergerakkan posisi elevasi 10_. Arah pergerakan yang dirancang adalah arah searah jarum jam dan arah berlawanan jarum jam. Posisi yang pertama digerakkan adalah posisi untuk azimut antena, kemudian diikuti posisi untuk elevasi antena. Mikrokontroler digunakan untuk mengatur agar motor bergerak setiap 10_. Pada prinsipnya mikrokontroler memberikan masukan pada driver untuk menggerakkan motor. Keuntungan dari driver motor adalah dalam mengaktifkan motor cukup dengan mengirimkan sinyal arus yang kecil sehingga daya yang keluar dari mikrokontroler lebih efisien. Pada perangkat ini juga menggunakan sensor optocoupler sebagi aktuator. Keluaran dari optocoupler merupakan masukan pada mikrokontroler sebagai umpan balik sistem."

"Pengukuran viskositas zat cair merupakan aspek penting dalam berbagai industri. Dalam mengukur viskositas suatu cairan umumnya menggunakan viskometer bola jatuh. Namun penggunaan viskometer bola jatuh memiliki kekurangan dalam ketelitian dalam menentukan kecepatan terminal bola ketika mencapai kedalaman tertentu. Dalam penelitian ini, penulis merancang pendekatan baru yang menggabungkan teknologi pengolahan video dengan metode deep learning, khususnya algoritma You Only Look Once (YOLO), untuk mengukur viskositas zat cair secara efisien dan akurat. Pendekatan ini memungkinkan pengukuran viskositas dilakukan dengan menggunakan kamera sederhana, yang secara otomatis menganalisis pergerakan jatuhnya kelereng dalam suatu fluida. Penulis melatih model deep learning menggunakan dataset video jatuhnya bola pada suatu cairan yang diambil secara langsung menggunakan kamera smartphone, dan menunjukkan bahwa pendekatan ini mampu menghasilkan pengukuran viskositas yang akurat dengan waktu perhitungan yang lebih cepat dibandingkan menggunakan viskometer bola jatuh. Hasil percobaan menunjukkan bahwa model YOLO mampu mendeteksi 11 objek dari total 25 gambar dengan presisi 0,99 dan konsistensi tinggi (mAP50-95 sebesar 0,86). Model ini efektif dalam mendeteksi jatuhnya kelereng, dengan waktu pemrosesan per gambar yang cepat. Meskipun beberapa frame tidak terdeteksi, model menunjukkan akurasi tinggi dalam memprediksi viskositas dengan MAE sebesar 0,13, menjadikannya andal dan efisien untuk pengukuran viskositas dalam aplikasi industri dan laboratorium.

---

Viscosity measurement of liquid substances is an important aspect in various industries. The traditional method of measuring viscosity is by using a falling ball viscometer. However, this method has limitations in accurately determining the terminal velocity of the ball at a certain depth. In this research, the author designed a new approach that combines video processing technology with deep learning methods, specifically the You Only Look Once (YOLO) algorithm, to measure the viscosity of liquid substances efficiently and accurately. This approach allows viscosity measurement to be done using a simple camera, which automatically analyzes the movement of a marble falling in a fluid. The author trained a deep learning model using video datasets of the falling ball in a liquid captured directly using a smartphone camera, and demonstrated that this approach can produce accurate viscosity measurements with faster calculation time compared to using a falling ball viscometer. The experimental results demonstrated that the YOLO model accurately detected 11 objects out of 25 images with a precision of 0,99 and a consistent mAP50-95 score of 0,86. Applied to 7 video frames, it processed images quickly with times of 1,9 ms for preprocessing, 45,7 ms for inference, and 0,6 ms for post-processing. Despite some frames missing detections, the model achieved a high accuracy in predicting viscosity with a Mean Absolute Error (MAE) of 0,13, making it reliable for various industrial and laboratory applications."

"Viskometer yang dibangun memanfaatkan prinsip osilasi harmonik teredam, dengan menjadikan gaya gesek fluida sebagai salah-satu faktor redaman. Sampel yang diuji adalah oli industri dengan kode viskositas: ISO VG 32, ISO VG 46, ISO VG 68, ISO VG 100, ISO VG 220, dan ISO VG 320. Keenam sampel fluida harus diuji pada temperatur 40 C agar sesuai dengan referensi viskositas fluida tersebut. Untuk menjaga temperatur fluida tetap konstan, digunakan pengendali temperatur fluida dengan algoritma PID. Tuning dan penentuan konstanta PID dilakukan dengan metode Direct Synthesis, dengan konstanta waktu pengendalian model PID tc = 1000 s. Model fungsi transfer sistem pemanas fluida adalah G(s) = (1,99e-155s)(960s + 1)-1, sedangkan model respon waktu pengendalian adalah Gc = (0,485){1 + (1038 s)-1 + 71,7 s]. Pada penelitian ini dicari fungsi transfer viskositas referensi terhadap perubahan koefisien redaman osilasi, yang digunakan untuk mengukur viskositas fluida. Hasil pengukuran viskositas fluida referensi menyatakan bahwa persentase kesalahan literatur yang diperoleh bernilai: 7,65% (ISO VG 46), 4,39% (ISO VG 68), 0,0947% (ISO VG 100), 0,262% (ISO VG 220), dan 0,0429% (ISO VG 320). Ketika diuji dengan sampel lain (ISO VG 150), diperoleh nilai viskositas terukur sebesar 0,132±0,007 Pa s, dengan kesalahan literatur sebesar 2,39%. Berdasarkan fungsi transfer yang diperoleh, rentang kerja viskometer ini adalah 0,0400 hingga 0,256 Pa s.

---

The viscometer we built relies on damped harmonic oscillation principles, by assuming Stokes drag as a damping factor. The fluid samples are industrial oil (ISO VG 32, ISO VG 46, ISO VG 68, ISO VG 100, ISO VG 220 and ISO VG 320) which must be measured under a constant temperature of 40C, to compare the results with the reference viscosities. We used a PID temperature controller to maintain the sample temperature at a constant value. Direct Synthesis method was used to tune the PID controller, with the PID model time constant tc = 1000 s. The heater process model is G(s) = (1.99e-155s)(960s + 1)-1, while the PID controller function is Gc = (0.485)[1 + (1040 s)-1 + 71.7 s]. We obtained an equation of viscosity as a function of damping coefficient and used it as a measurement transfer function. Viscosity measurements of reference fluids generate relative error percentages of: 7.65% (ISO VG 46), 4.39% (ISO VG 68), 0.0947% (ISO VG 100), 0.262% (ISO VG 220) and 0.0429% (ISO VG 320). We measured the viscosity of another sample (ISO VG 150) and obtained measured viscosity value of 0.132±0.007 Pa s, with 2.39 % of relative error. This viscometer can measure viscosities in the range of 0.0400 to 0.256 Pa s.

"