Upload
duongthu
View
228
Download
0
Embed Size (px)
Citation preview
APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI
MORFOLOGI BUSUR PADA PENGELASAN BUSUR DIAM TIG DENGAN
PARAMETER DAN KOMPOSISI GAS YANG BERBEDA.
Muhammad Fadly Hi.Abbas1, Abdullah Shahab
2
1 Teknik Mesin, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember, Surabaya,
Indonesia
[email protected] 2 Teknik Mesin, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember, Surabaya,
Indonesia
Abstrak
Penelitian yang mempelajari pengaruh parameter dan komposisi gas pelindung terhadap
busur sangat penting dilakukan karena busur merupakan komponen yang berpengaruh dalam
pengelasan busur listrik. Keberhasilan pengelasan sangat ditentukan oleh kualitas dari busur yang
dihasilkan, dan salah satu indikasi kualitas dari busur adalah morfologi busur. Dengan
mempelajari pengaruh parameter pengelasan terhadap morfologi busur diharapkan kontrol
terhadap kualitas busur dapat dilakukan dengan lebih baik.
Dengan pengelasan diam TIG terhadap baja ASTM A36 dengan variasi arus pengelasan,
sudut tip elektrode, debit gas pelindung, arc lenght, stick out, diameter elektroda dan komposisi
gas pelindung (100% Argon dan 70% Argon – 30% Helium). Busur yang tercipta difoto dengan
menggunakan kamera digital, lalu dilakukan pengukuran morfologi busur pada foto yang telah
dihasilkan.
Hasil dari penelitian ini berupa data yang dimanfaatkan untuk membuat suatu metode
prediksi yang mampu memprediksikan pengaruh parameter pengelasan dan komposisi gas
pelindung terhadap morfologi busur. Dari data eksperimen penelitian sebelumnya dan data
eksperimen tambahan, disusun jaringan syaraf tiruan (JST) sebagai suatu instrumen yang
digunakan untuk memprediksi morfologi busur secara akurat. JST kemudian disimulasi dengan
input yang baru, dan dilakukan eksperimen validasi untuk menguji validitas prediksi. Setelah
diuji dengan statistik, diketahui bahwa selisih antara target JST dengan hasil eksperimen, secara
statistik tidak berbeda secara signifikan, sehingga dapat dikatakan JST berhasil memprediksi
morfologi busur.
Kata kunci : Jaringan syaraf tiruan, prediksi, TIG, parameter pengelasan, morfologi busur.
Latar Belakang. Kemajuan ilmu pengetahuan dan
teknologi yang telah dicapai khususnya pada
bidang las telah memberikan nilai tambah
pada teknologi pengelasan dan memegang
peranan penting dalam masyarakat industri
modern. Pada teknik produksi yang
berkaitan dengan konstruksi mesin maupun
bangunan, proses pengelasan merupakan hal
yang sangat penting sehingga perlu
mendapat perhatian. Selain pada proses
produksi, proses pengelasan dimanfaatkan
juga untuk proses perawatan ataupun
perbaikan. Pengelasan merupakan salah satu
sarana untuk mengoptimalkan biaya proses
produksi tanpa mengabaikan desain
kekuatan yang diharapkan.
Metode pengelasan Gas tungsten arc
welding (GTAW) atau tungsten inert gas
welding (TIG) adalah jenis las listrik dengan
elektrode yang tidak terkonsumsi yang
menggunakan bahan tungsten dan hanya
digunakan untuk menghasilkan busur nyala
listrik. Jenis las ini dapat digunakan dapat
digunakan dengan atau tampa bahan
penambah. Las ini menghasilkan sambungan
las yang bermutu tinggi dengan peralatan
yang relatif lebih murah. GTAW merupakan
salah satu metode pengelasan yang banyak
digunakan di dunia industri dan termasuk
jenis pengelasan elektrode tidak terumpan
(non consumable electrode).
Gambar 1. Skema pengelasan GTAW
(Miller Mfg. Co., 2007)
Penelitian pada metode GTAW
yang mengvariasikan parameter pengelasan
seperti kecepatan pengelasan, ketirusan
elektrode dan arus pengelasan. Parameter-
perameter lasan tersebut, pada
kenyataannya tidak bersentuhan lansung
dengan benda kerja pada saat proses
pengelasan sedang berlangsung dan dalam
hal ini yang berhubungan langsung pada saat
proses pengelasan adalah busur. Busur
merupakan komponen yang penting dalam
pengelasan busur listrik karena keberhasilan
pengelasan salah satunya ditentukan oleh
kualitas dari busur yang dihasilkan.
Morfologi busur merupakan salah satu
indikasi dari kualitas busur. Dengan
mempelajari pengaruh parameter pengelasan
terhadap morfologi busur diharapkan kontrol
terhadap kualitas busur dapat dilakukan
dengan lebih baik.
Perumusan Masalah.
Dari latar belakang di atas
dirumuskan suatu masalah bagaimana
mempelajari tentang pengaruh arus
pengelasan, sudut ketirusan elektrode, debit
gas pelindung, arc length, stick out dan
diameter elektrode serta jenis dan komposisi
gas pelindung terhadap morfologi busur
yaitu luas penampang busur (mm2), lebar
maksimal busur (mm), lebar kontak busur
(mm), kenaikan busur pada elektrode (mm),
sudut akar busur (º) dan sudutkontak busur
(º) dan bagaimana menyusun struktur JST
yang dapat digunakan untuk memprediksi
pengaruh terhadap morfologi busur pada
pengelasan berdasarkan data eksperimen.
dan menguji tingkat validasi output JST,
sehingga mampu menjamin efektifitas
metode tersebut.
Tujuan Penelitian.
Tujuan dari penelitian ini adalah
dapat mengetahui pengaruh yang terjadi
apabila parameter pengelasan divariasikan.
Menghasilkan model JST dengan tingkat
selisih yang terkecil dalam memprediksi
pengaruh tersebut serta menguji validasi
hasil itu yaitu dengan membandingkan
output JST versus hasil eksperimen.
Manfaat Penelitian.
Hasil dari penelitian ini diharapkan
mampu memberikan konstribusi di bidang
pengelasan antara lain memberikan
informasi tentang pemilihan parameter
pengelasan yang dapat menghasilkan produk
las-lasan yang optimal dan memberikan
informasi secara cepat dan tepat untuk
pemilihan parameter pengelasan kepada para
welder atau lainnya dengan menggunakan
model JST dan sebagai tambahan
pembendaharaan penelitian dibidang
pengelasan yang dapat digunakan oleh
peneliti berikutnya untuk pengembangan
lebih lanjut.
Kajian Teori
Ru (2008); meneliti tentang variasi
parameter pengelasan pada metode GTAW
dari penelitian itu hasil yang diperoleh
adalah terjadinya penurunan pada sudut
kontak busur dengan bertambahnya arus,
sementara cenderung meningkat morfologi
busur yang lain. Terjadi pengaruh yang
signifikan terhadap morofologi busur akibat
peningkatan sudut ketirusan elektrode.
Penambahan 30% unsur helium ke dalam
gas pelindung berpengaruh cukup signifikan
terhadap respon-respon yang diamati. Dari
penelitian itu hasil yang diperoleh dijadikan
dasar oleh peneliti untuk melanjutkan
penelitian dengan mengvariasikan parameter
pengelasan lainnya sehingga data yang
didapat lebih banyak dan lebih lengkap.
Suwarno (2004): menggunakan metode
jaringan syaraf tiruan untuk memprediksi
derajat presipitasi karbida krom pada baja
tahan karat austenitic. Untuk mendeteksi
derajat presipitasi karbida dilakukan
pengamatan makrografi pada spesimen yang
dipanasi secara lokal menggunakan input
panas las TIG. Setelah dilakukan beberapa
tahapan kemudian diperoleh hasil yang
selanjutnya dimanfaatkan sebagai data untuk
membuat suatu model JST yang mampu
untuk memprediksikan derajat presipitasi
karbida.
Para ahli telah banyak
mendefenisikan mengenai arc atau busur
listrik. Salah satunya menyatakan bahwa arc
adalah arus listrik yang mengalir dari
elektrode menuju benda kerja melintasi
kolom gas bersuhu tinggi dan menghasilkan
energi panas yang cukup untuk mencairkan
logam (Jackson, Clarence E., 1960).
Pada gambar 2. berikut
menunjukkan batas-batas busur, elektrode,
dan benda kerja pada penelitian ini.
Gambar 2. Foto busur dengan batas-batas
antara busur, benda kerja, dan elektrode.
Penjelasan secara lengkap tentang proses
pengukuran busur (arc) dapat dilihat pada
lampiran.
Permulaan tahun 1940 para
ilmuwan menemukan bahwa psikologi otak
sama dengan mode pemrosesan yang
dilakukan oleh komputer. Pemrograman
komputer yang dibuat berdasarkan cara kerja
dari otak manusia ini disebut dengan jaring
syaraf tiruan, namun sampai saat ini masih
belum ada yang dapat menyamai
universalitas dari otak manusia.
Tiruan neuron dalam JST adalah
elemen pemroses seperti pada Gambar 3
yang dapat berfungsi seperti sebuah neuron.
Sinyal–sinyal masukan x dikalikan dengan
bobot yang bersesuaian W, setelah itu
dilakukan penjumlahan dari seluruh
perkalian xn dan Wn dan setelah itu dilalukan
kedalam fungsi pengaktif untuk
mendapatkan tingkat derajat sinyal keluaran
F(x,W).
PenjumlahFungsi
Transfer
x0
xn
x2
x1
W0
Wn
W2
W1
Tempat masuk Proses Tempat keluar
Penjumlahan
( ) Fungsi Transfer
n nl W x
Y f l
Gambar 3. Model neuron tiruan
Perkembangan JST masih
berlangsung hingga saat ini, dengan kata lain
terjadi perubahan atau penambahan dalam
pemrograman untuk memperbaiki kinerja
dari JST. Hal yang mendasar pada
perubahan atau penambahan dalam
pemrograman JST secara umum terjadi pada
pola hubungan antar neuron, metode untuk
menentukan bobot penghubung dan fungsi
aktifasi.
Beberapa prinsip yang perlu
diperhatikan dalam penyelesaian masalah
dengan JST yaitu mencari data yaitu dengan
data yang sudah ada (eksperimen terdahulu)
dan atau data dari hasil eksperimen yang
tambahan, menyeleksi data tersebut menjadi
pasangan variabel yang merupakan input
(biasanya merupakan variabel bebas),
sedangkan pasangan targetnya merupakan
variabel respon, mambagi sejumlah data
dalam baberapa data sesuai dengan
permintaan JST, yaitu data training, data
validasi dan data testing, pada software
MATLAB Toolbox data tersebut dientri dan
memantau dan mengevaluasi kinerja
jaringan yang dipilih, sesuai dengan
kebutuhan penyelesaian yang ingin dicapai.
Ketika error yang dicapai belum
optimal dilakukan perubahan dalam
komponen JST atau mentraining kembali
dengan bias dan bobot yang dirandom ulang.
Metodologi Penelitian.
Gambar 4. Diagram alir Metode JST
Prediksi dengan JST memerlukan
data yang cukup. Data dari penelitian
terdahulu yang merupakan penelitian dengan
tujuan yang sama. Dari peneliti terdahulu
didapatkan penelitian yang dapat digunakan
sebanyak 120 pasangan data input-target,
kemudian digabungkan dengan data yang
tambahan sebanyak 240 pasangan data
input-target
Parameter Pengelasan yang
divariasikan pada penelitian ini yaitu gas
pelindung (100% Argon dan 70% Argon –
30% Helium), debit gas pelindung (5 lpm,
10 lpm, 15 lpm, 20 lpm, dan 25 lpm), arus
(70 Ampere, 85 Ampere, 100 Ampere, dan
115 Ampere), sudut ketirusan elektrode (30°,
60° dan 90°), Arc length (2 mm, 4 mm, 6
mm), stick out (2 mm, 4 mm, 6 mm) dan
diameter elektroda (1,6 mm, 2,4 mm, 3,2
mm). Respon yang diamati, antara lain luas
busur (mm2), lebar maksimum busur (mm),
lebar kontak busur (mm), kenaikan busur
pada elektrode (mm), sudut akar busur (°)
dan suduk kontak busur (°).
Morfologi busur yang terbentuk
dalam pengelasan diamati berdasarkan data
hasil pengukuran terhadap foto busur.
Hasil Penelitian
Tabel 1. Hasil dari eksperimen (Karena
keterbatasan ruang penulisan maka dari data
semulanya training berjumlah 216 data,
dibatasi jumlahnya seperti pada tabel di
bawah ini)
MULAI
MENCARI DATA
DATA EKSPERIMEN
TERDAHULU
INPUT DATA /
PARAMETER JST
DATA OUTPUTS
PREDIKSI JST
PEMBUATAN PROGRAM
APLIKASI
(GRAPHICAL USER
INTERFACE)
PREPROSESING
DATA
EKSPERIMEN
VALIDASI
DATA
EKSPERIMEN
TERBARU
MENGELOMPOKKAN
DATA
ANALISA DAN
PEMBAHASAN
ERROR
TERPENUHI ?
TIDAK YA
SELESAI
UPDATE
PARAMETER JST
Gambar 5 Nilai error jaringan dalam proses
training yang menggambarkan performance
JST.
Tabel 2. Perbandingan antara hasil
eksperimen dan
hasil prediksi JST.
Untuk mengetahui tingkat keberhasilan JST
dalam memprediksi respon yang diamati,
dilakukan perhitungan selisih (delta) antara
hasil eksperimen dengan hasil prediksi target
JST. Uji rata-rata selisih secara berpasangan
(paired comparison) dilakukan untuk melihat
apakah ada perbedaan significan antara
respon hasil uji sebenarnya dengan respon
hasil prediksi. Dengan hasil perbandingan
dengan level of significance 5% dapat
disimpulkan bahwa tidak ada perbedaan
respons hasil percobaan dengan target JST
pada responnya. Jaringan yang telah
berhasil, dan dievaluasi dengan eksperimen
validasi, digunakan sebagai komponen
fungsi untuk membuat file program
interface.
Kesimpulan dan saran
Dari data eksperimen dengan variasi
parameter pengelasan serta jenis dan
komposisi gas pelindung, didapat respon
berupa morfologi busur (arc), kemudian
dimodelkan dengan jaringan syaraf tiruan
(JST) yang mampu memprediksi variable
bebas dan respon. JST yang dapat
digunakan, yaitu jaringan type Traingdx-
backpropagation, dengan algoritma latihan
trainlm dengan 3 layer neuran menghasilkan
prediksi morfologi busur yang cukup
memuaskan. JST kemudian disimulasi
dengan input yang baru, dan dilakukan
eksperimen validasi untuk menguji validitas
prediksi. Setelah diuji dengan analisa
statistik diketahui bahwa selisih antara
output JST dengan hasil eksperimen tidak
berbeda secara signifikan, sehingga dapat
dikatakan JST berhasil mampu memprediksi
besaran morfologi busur.
Saran penulis adalah untuk pengujian
selanjutnya sebaiknya memasukkan
parameter pengelasan lain seperti kecepatan
pengelasan, dapat dijadikan opsi bagi
peneliti berikutnya yang memiliki keinginan
untuk melanjutkan penelitian ini. Tingkat
kepresisian JST sangat ditunjang oleh
banyaknya data training dalam jaringan, oleh
karena itu semakin banyak data yang
tersedia akan semakin akurat.
Daftar Pustaka
Adhi atma wiguna, Ru I.b. (2009), Studi
pengaruh parameter pengelasan dan
komposisi gas pelindung terhadap
morfologi busur dan temperatur pada
pengelasan gtaw, Tugas akhir Jurusan
Teknik Mesin FTI, ITS Surabaya.
Distorsi dengan Menggunakan Neural
Networks, Tugas Akhir Jurusan Teknik
Mesin FTI-ITS, Surabaya.
Hery purnomo,mauridhi dan
Kurniawan,agus (2006), Supervised
neural networks dan aplikasinya. edisi
pertama, penerbit Graha
ilmu,Yogyakarta.
Jackson, Clarence E.(1960), Welding
Journal, Welding Research Council.
Metals Handbook (1971), Volume 6,
Welding And Brazing, 8th
edition.
Messler, Robert W.(1999), Principles of
Welding. Troy, New York: John Wiley
& Sons, Inc.
Siang,jok jeng (2005), Jaringan syaraf
tiruan dengan menggunakan matlab,
Penerbit andi, Yogyakarta.
Suwarno dan Shahab A. (2004), Prediksi
derajat presipitasi karbida krom pada
baja tahan karat austenitic dengan
metode jaringan syaraf tiruan, jurnal
teknik mesin, Vol.4, No.2, hal. 33-39
Tanaka, Manabu dkk.( 2007), Influence of
Shielding Gas on Arc Properties in
TIG Welding Process, JWRI, Osaka
University, Japan.
The Procedure Handbook Of Arc Welding
(1973), Twelfth Edition, The Lincoln
Electric Company, Cleveland, Ohio.
Welding Handbook (1991), eighth edition,
Volume 1, Welding Technology,
American Welding Society (AWS).
Wiryosumarto, Harsono, Prof. Dr. Ir dan
Prof. Dr. Toshie Okumura (2008),
Teknologi Pengelasan Logam,
PT.Pradnya Paramita.
http://en.wikipedia.org/wiki/GTAW
http://www.makunamuhendisi.com
- , TIG Handbook (2007) Miller
Electric Mfg. Co.
- , Welding Handbook Fundamental of
Welding (1976), seventh edition,
volume I, Florida.American Welding
Society.
- ,Welding Handbook Material and
Application (1976), eight edition,
volume IV, Florida.American Welding
Society.
- ,Welder’s Handbook (1999), 3rd
edition, Air Products PLC.
Lampiran
Gambar 6. Skema besaran penampang busur yang diukur
Gambar 7. Aplikasi graphical user interface dari output JST