Hasil Pencarian  ::  Simpan CSV :: Kembali

"Difusi seringkali ditinjau secara makroskopis namun pada kasus ini, masing masing partikel yang mempengaruhi terjadinya difusi yaitu perataan konsentrasi dalam suatu larutan akan ditinjau. Masing-masing partikel akan bergerak secara bebas akibat interaksi antar partikel dan molekul gas sekitar yang dapat mengakibatkan terjadinya peristiwa Gerak Brown. Melalui studi ini, diamati 3 variasi dari suatu partikel bernama microbead polystyrene yang akan diamati peristiwa gerak Brown yang terjadi pada partikel untuk menghitung koefisien difusi dari partikel tersebut. Digunakan metode Mean Square Displacement (MSD) sebagai metode utama perhitungan koefisien difusi namun untuk mewujudkan hal tersebut, diperlukan data berupa koordinat pergerakan partikel dalam 2 dimensi sehingga dengan bantuan dari 2 instrumen utama berupa machine learning dan Python 3.7, dibuatlah suatu sistem untuk mengukur koefisien difusi suatu partikel microbead polystyrene yang dapat dilakukan secara otomatis dengan memberikan video pergerakan partikel tersebut. Hasil dari penelitian akan menunjukan bahwa semakin besar partikel, semakin kecil koefisien difusi yang dihasilkan.

---

Diffusion has been widely researched macroscopically but, in this case, each particle that influences the diffusion phenomenon which is the spreading of a concentrated liquid will be observed. Each particle will move freely as a result of the interactions between the gasses of the liquid covering the particle and the particle itself in where Brownian motion can occur. Through this study, 3 size variants of a particle known as the polystyrene microbead will be observed under microscope to see how it acts when Brownian motion occurs which in result, will be able to calculate the diffusion coefficient of the particle. The Mean Square Displacement (MSD) is used as the main method for calculating the diffusion coefficient but a specific dataset, the coordinates of the particles center of mass, is required hence needing the help of a system to find its coordinates. This research develops a method for doing so using the help of machine learning and Python 3.7 to create an automated system that is able to calculate the diffusion coefficient of this specific particle with only needing a video input of the particle moving. The result of this research will show that the larger the particle, the smaller the diffusion coefficient."

"Dalam melakukan pengamatan gerak Brown untuk mencari nilai koefisien difusi, dibutuhkan sebuah sistem yang memiliki akurasi tinggi untuk pendeteksian koordinat partikel dalam orde mikrometer. Pada penelitian ini dibuat sebuah sistem untuk menganalisa pergerakan partikel microbead dalam larutan nanogold dengan variasi temperatur dalam bentuk input berupa video dan menghasilkan output berupa nilai koefisien difusi dari partikel yang terdapat pada video. Sistem ini memanfaatkan machine learning sebagai detektor koordinat partikel. Digunakan TensorFlow Object Detection API sebagai backend sistem ini dan CenterNet sebagai aristektur model yang digunakan. Koordinat partikel berhasil dideteksi dengan rata-rata error pada pendeteksian senilai 0.6 piksel. Metode mean squared displacement digunakan untuk menghitung koefisien difusi. Didapatkan nilai koefisien difusi untuk microbead pada suhu 36, 37, 38, 39, 40oC secara berurutan sebesar 8.581 x 10-14, 9.925 x 10-14, 10.113 x 10-14, 10.374 x 10-14, 14.875 x 10-14 m2/s. Didapati nilai kenaikan koefisien difusi setiap kenaikan 1oC sebesar 1.3037 x 10-14 m2/s.

---

In observing Brownian motion to find the value of the diffusion coefficient, a system that has high accuracy is needed for the detection of particle coordinates in domain of micrometers. In this study, a system was created to analyze the movement of microbead particles in a nanogold solution with temperature variations with video file as an input and produce diffusion coefficient value of the particles in the video as the output. This system utilizes machine learning as a particle coordinate detector. The TensorFlow Object Detection API is used as the backend of this system and CenterNet as the model architecture. The particle coordinates were detected successfully with an average detection error of 0.6 pixels. The mean squared displacement method is used to calculate the diffusion coefficient. The diffusion coefficient values ​​for microbeads at a temperature of 36, 37, 38, 39, 40oC respectively were 8,581 x 10-14, 9.925 x 10-14, 10,113 x 10-14, 10,374 x 10-14, 14,875 x 10-14m2/s. It was found that the value of the increase in the diffusion coefficient for every 1oC increase was 1.3037 x 10-14 m2/s."

"Limbah tahu (whey) yang difermentasi dengan bakteri Acetobacter xylinum menghasilkan membran selulosa Nata de Soya. Pendopingan membran selulosa Nata de Soya dengan beberapa variasi konsentrasi Kalium terbukti meningkatkan nilai konduktivitas listrik dari membran selulosa Nata de Soya. Hasil Uji XRD menunjukkan terjadinya perubahan jarak antar bidang kisi yang mengidentifikasi adanya penumbuhan kristal baru pada selulosa Nata de Soya yang telah didoping Kalium. Uji konduktivitas listrik dengan menggunakan listrik arus searah diperoleh karakteristik I-V yang menjelaskan selulosa Nata de Soya setelah didoping Kalium merupakan semikonduktor tipe-n. Penambahan konsentrasi Kalium paling baik terjadi pada 1,5% w/w, yang memperlihatkan kestabilan nilai konduktivitas listrik pada range 0.7 sampai 1.8 volt tegangan dc sebesar 4,7x10 -3 (Ohm.meter)-1 . Penggunaan listrik arus bolak-balik pada selulosa Nata de Soya setelah didoping Kalium menunjukkan hambatan listrik tidak begitu terpengaruh oleh frekuensi.

---

Waste tofu (whey) is fermented with the Acetobacter Xylinum bacteria produces a Nata de Soya cellulose membrane. The doping of the cellulose membrane with various concentration of potassium proves that potassium could increase the electrical conductivity of the Nata de Soya cellulose membrane. XRD results showed a change in distance between lattice which means new crystal after potassium doping. Electrical conductivity test using direct current (DC) shows characteristics of I-V that explains a post potassium doped Nata de Soya resulted in a n-type semiconductor. The addition of potassium concentration was best happened to 1.5% w/w, that showed the stability the value of electrical conductivity in range 0.7 -1.8 Volt of 4,7x10-3 (Ohm.meter)-1. The use of alternating current (AC) on the Nata de Soya cellulose after potassium doping shows that electrical resistance is not dependent of frequency."

"Koefisien perpindahan kalor dan penurunan tekanan didapat dari pengujian pada kanal mini horizontal berukuran diameter luar 5 mm, diameter dalam 3mm dan panjang 1 m dengan material stainless steel 316L. Nilai koefisien perpindahan kalor dihitung pada kisaran nilai fluks massa 50 hingga 250 kg m-2 s-1 , fluks panas 1 hingga 8 kW m-2, temperatur saturasi hingga 100C, kualitas uap hingga 1 dan menggunakan fluida kerja Propane dan Iso-butane. Kalor diaplikasikan pada kanal mini horizontal dengan menggunakan lilitan kawat nikel yang dihubungkan ke sumber daya yang dapat diatur daya nya. Hasil dari eksperimen ini dibandingkan dengan beberapa korelasi yang sudah ada sebelumnya dan dilihat perbandingannya. Korelasi koefisien perpindahan kalor dan penurunan tekanan dikembangkan dari data hasil ekperimen ini.

---

The coefficient of heat transfer and pressure drop obtained from an experiment on a horizontal mini channel with outer diameter of 5 mm, inner diameter of 3mm and a length of 1 m using 316L stainless steel material. Heat transfer coefficient calculated in the range of mass flux value from 50 to 250 kg m-2 s-1, a heat flux of up to 8 kW m-2, the saturation temperature up to 100C, quality up to 1 and use Propane and iso-butane as the working fluid. Heat was applied to the horizontal mini channel using nickel wire coil which is connected to a power source. The results of this experiment compared with some pre-existing correlations and see the comparison. The correlation coefficient of heat transfer and pressure drop were developed from the results of this experiment."

"Penelitian ini membahas tentang karakteristik perpindahan kalor aliran dua fasa yang didapat berdasarkan pengujian dan dibandingkan dengan prediksi korelasi yang terdapat pada literatur. Percobaan ini dilakukan dengan menggunakan refrijeran R-22 dan R-290 yang dilakukan dalam pipa konvesional berdiameter 7,6 mm dengan bahan stainless steel (SS 316) dan panjang 1,07 m. Pengujian dilakukan dengan variasi fluks kalor (q), fluks massa (G), dan temperatur saturasi. Hasil yang didapat pada penelitian ini adalah nilai fluks massa yang tinggi cenderung memiliki nilai koefisien perpindahan kalor yang tinggi pada awal evaporasi dan jika diberikan fluks kalor yang tinggi maka nilai koefisien perpindahan kalor juga akan naik, dan sistem dengan nilai temperatur saturasi yang tinggi maka akan dipengaruhi oleh koefisien perpindahan panas nucleat boiling. Perbandingan refrijeran mengindikasikan bahwa nilai koefisien perpindahan kalor R-290 lebih tinggi daripada R-22.

---

This study discusses about the characteristics of two-phase flow which obtained by experiment and the data is compared with predictions data of correlations in the literature. This experiment was conducted using refrijeran R-22 and R-290 in a conventional 7,6 mm pipe with stainless steel (SS 316) material and length of 1,07 m. Tests carried out with variations of heat flux (q), mass flux (G), and the saturation temperature.

The result of this study is high value of the mass flux values tend to have a high coefficient of heat transfer at the beginning of evaporation and high heat flux will increase the heat transfer coefficient value. Systems with a high value of the saturation temperature will be influenced by nucleat boiling heat transfer coefficient. Refrijeran comparison indicates that the value of heat transfer coefficient of R-290 is higher than R-22."

"Difusi adalah sebuah fenomena yang sangat menarik, dimana dua atau lebih zat dengan massa atau konsentrasi yang berbeda bercampur dalam satu area tertentu, dan pengukurannya dapat didasarkan pada koefisien difusi. Pengaruh temperatur terhadap fenomena difusi juga sangat menarik karena difusi zat selalu berhadapan dengan temperatur. Sistem pengukuran koefisien difusi otomatis dan terintegrasi menggunakan metode sederhana Wiener yang dimodifikasi dapat dibangun untuk menunjang pengukuran yang lebih akurat dan cepat. Sistem ini menggunakan GUI sebagai antarmuka, pemrosesan citra digital, serta pengolahan data kurva pembiasan yang menghasilkan nilai koefisien difusi secara otomatis, dan dengan waktu yang dapat diatur. Sistem ini terbukti berhasil mengolah citra kurva pembiasan fenomena difusi NaCl (Natrium Klorida) – Aquades, NaCl – SBF (Simulated Body Fluid), dan NaCl – Nanogold menjadi nilai koefisien difusi dengan mudah, cepat, dan akurat. Sistem ini memberikan hasil deteksi tepi terbaik pada metode Prewitt, dengan hasil korelasi data yang lebih baik daripada hasil dari metode Canny. Sistem ini juga membuktikan bahwa temperatur dapat mempengaruhi difusi karena temperatur yang bersifat seperti energi kinetik, dan dapat mempercepat pergerakan atau flux dari zat.

---

Diffusion is a very interesting phenomenon, where two or more substances with different mass or concentration mixed in a certain area, and its measurements can be based on a diffusion coefficient. The effect of temperature to the diffusion phenomenon is also very interesting due to the diffusion’s inevitable interaction to temperature. An automated and integrated diffusion coefficient measurement based on modified and simple Wiener method can be built to support more accurate and faster measurement. This system is using a GUI for the interface, digital image processing, and also deflection beam data processing that automatically results into the diffusion coefficient, and this system can also be timed. It has been proved successful in processing deflection beam image from diffusion phenomenon of NaCl (Sodium Chloride) – Aquadest, NaCl – SBF (Simulated Body Fluid), and NaCl – Nanogold, into values of diffusion coeffient in easy, quick, and accurate way. It also brings better results on Prewitt edge detection method, with better data correlation results than Canny method. It also proves that temperature is indeed affecting diffusion because of the nature of temperature having similar characteristics to kinetic energy, which can accelerate the movements or flux of materials."

"Metode Mel Frequency Cepstral Coefficient (MFCC) adalah metode yang paling populer dan memiliki kinerja yang baik sebagai metode feature extraction (pengekstraksi ciri) hingga saat ini. Namun berdasarkan hasil simulasi, diketahui bahwa speaker recognition system yang menggunakan MFCC sebagai metode feature extraction memiliki akurasi yang rendah ketika diterapkan pada sinyal suara yang mengandung noise. Dalam penelitian ini, penulis mengusulkan metode Discrete Wavelet Transform - Mel Frequency Cepstral Coefficient (DWT-MFCC) untuk mengatasi masalah tersebut. Hasil simulasi menunjukkan bahwa metode DWT-MFCC memiliki akurasi lebih tinggi dibandingkan dengan metode MFCC konvensional apabila diterapkan sebagai metode feature extraction dalam sistem speaker recognition dengan tingkat SNR dari 15 hingga 40 dB.

---

The Mel-frequency Cepstral Coefficients (MFCC) method is the most popular method and has good performance as a feature extraction to date. But based on the simulation results, it is known that the speaker recognition system that uses MFCC as a feature extraction has low accuracy when applied to voice containing noise.

In this study, we propose the Discrete Wavelet Transform - Mel Frequency Cepstral Coefficient (DWT-MFCC) method to overcome this problem. The simulation results show that the DWT-MFCC method has higher accuracy compare with conventinal MFCC method when applied as feature extraction in the speaker recognition system with SNR from 15 to 40 dB."

"Konduksi termal berkaitan erat dengan peristiwa Heat Flow (Aliran Termal). Konduksi panas suatu logam tertentu dapat diketahui dengan mengamati gradient temperatur pada saat kondisi Steady State (tunak). Pembuatan alat konduksi termal ini bertujuan untuk mengetahui karakter laju aliran panas (Heat flow) pada berbagai material logam,dan menghitung harga konduktivitas thermalnya. Pada penelitian ini dilakukan pengukuran perubahan temperatur terhadap waktu pada beberapa macam material logam, sehingga diperoleh informasi pada saat aliran panas mencapai keadaan tunak, dan pada akhirnya diperoleh informasi-informasi untuk perhitungan harga konduktivitas termalnya. Pada penelitian ini dipergunakan metode Angstrom yang menjadi acuan dasar teori penelitian, datadata yang akan diperlukan didalam metoda tersebut diperoleh melalui dua cara, yaitu metoda pulsa panas dan gelombang panas sebagai model aliran panasnya. Data-data yang diperoleh ini diamati oleh sistem instrumentasi berbasis mikrokontroller melalui sensor pengindra berupa sekumpulan deretan termistor. Data-data yang diperoleh selanjutnya diteruskan ke sistem komputer menggunakan aplikasi labview dan hasilnya berupa tampilan grafis yang menghasilkan data interpretasi dan diolah dengan menggunakan metode Angstrom.

---

Thermal conduction is closely related to the events Heat Flow (Flow Thermal). Conduction heat of a certain metal can be determined by observing the temperature gradient at Steady State conditions (steady-state). Manufacture of thermal conduction device is intended to determine the character of the rate of heat flow (heat flow) on a variety of metal materials, and calculate the price of thermal conductivity. In this study measured the temperature changes with time on some sort of metal material, in order to obtain information on the current reached steady-state heat flow, and ultimately obtained the information for the calculation of thermal conductivity.

In this study, the method used is the reference Angstrom basic theory research, data that will be required in the method is derived in two ways, namely heat pulse method and heat waves as heat flow model. The data obtained was observed by the system microcontroller via the sensor-based instrumentation sensing thermistor in the form of a set of rows. The data obtained further transmitted to a computer system using labview application and the result is a graphical display that produces the data interpretation and processed using methods Angstrom."