Claim Missing Document
Check
Articles

Found 4 Documents
Search

Radial Basis Function Neural Network sebagai Pengklasifikasi Citra Cacat Pengelasan Rinanto, Noorman; Wahyudi, Mohammad Thoriq; Khumaidi, Agus
Rekayasa Vol 11, No 2: Oktober 2018
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (937.111 KB) | DOI: 10.21107/rekayasa.v11i2.4418

Abstract

Tingginya resiko kesalahan manusia dalam inspeksi visual untuk cacat pengelasan yang masih mengandalkan kemampuan manusia sulit untuk dihindari. Oleh sebab itu, penelitian ini mengusulkan sebuah klasifikasi cacat las visual dengan menggunakan algoritma Radial Basis Function Neural Network (RBFNN). Masukan RBFNN berupa citra las yang terdiri dari 5 (lima) kelas cacat las visual dan 1 (satu) kelas citra las normal. Citra las tersebut diproses terlebih dahulu menggunakan metode ekstraksi fitur Fast Fourier Transform (FFT) dan Descreate Cosine Transform (DCT). Hasil kedua metode ekstraksi fitur tersebut kemudian akan saling dibandingkan untuk mengetahui kinerja RBFNN. Hasil pengujian menunjukkan bahwa sistem dengan metode FFT-RBFNN dapat menggolongkan citra cacat las dengan akurasi sebesar 91.67% dan DCT-RBFNN sekitar 83.33% dengan jumlah neuron hidden layer sebanyak 15 dan parameter spread adalah 4.Kata Kunci: Radial Basis Function Neural Network (RBFNN), FFT, DCT, cacat las, klasifikasi.Radial Basis Function Neural Network as a Weld Defect Classifiers ABSTRACTThe high risk of human error in visual inspection of welding defects that still rely on human capabilities is difficult to avoid. Therefore, this study proposes a classification of visual welding defects using the Radial Base Function Neural Network (RBFNN) algorithm. The RBFNN input is in the form of a welding image consisting of 5 (five) visual welding defect classes and 1 (one) normal welding image class. The weld image is processed first using the Fast Fourier Transform (FFT) and Descreate Cosine Transform (DCT) feature extraction methods. The results of these two feature extraction methods will be compared to find out the RBFNN performance. The test results show that the system with FFT-RBFNN method can classify the image of weld defects with an accuracy of 91.67% and DCT-RBFNN around 83.33% with the number of hidden layer neurons as much as 15 and the parameters of spread are 4.Keywords: Radial Basis Function Neural Network (RBFNN), FFT, DCT, weld defect, classification.
Peningkatan Kesadaran Masyarakat terhadap Keselamatan dan Kesehatan Kerja (K3) di Bidang Pengelasan: Studi Kasus pada Proyek Pariwisata Desa Penanggungan Trawas Ari, Muhamad; Bachtiar; Wahyudi, Mohammad Thoriq; Amri, Moh. Syaiful; AL Amin, Mochammad Karim; Prastyawan, Rikat Eka; Hakim, Achmad Reyhan Fajar; Rohman, Muhammad Yuqal Abi
Jurnal Cakrawala Maritim Vol. 8 No. 1 (2025): Jurnal Cakrawala Maritim
Publisher : P3M Politeknik Perkapalan Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35991/jcm.v8i1.37

Abstract

Keselamatan dan Kesehatan Kerja (K3) merupakan aspek yang sangat penting dan harus diperhatikan dalam setiap jenis pekerjaan, terutama yang memiliki risiko kecelakaan tinggi, seperti pengelasan. Pengelasan sering kali menimbulkan bahaya bagi pekerja dan lingkungan sekitarnya jika tidak didukung oleh penerapan K3 yang memadai. Di Desa Penanggungan, Kecamatan Trawas, Kabupaten Mojokerto, kegiatan ekonomi masyarakat berkembang pesat, terutama dengan munculnya beberapa objek wisata. Dalam proses pembangunan infrastruktur proyek pariwisata, proses pengelasan menjadi salah satu metode yang banyak digunakan. Namun, rendahnya kesadaran masyarakat akan pentingnya K3 serta minimnya penggunaan alat pelindung diri (APD) menjadi isu krusial yang dapat meningkatkan risiko kecelakaan dan penyakit kerja. Sebagai solusi untuk mengatasi masalah ini, dilakukan kegiatan sosialisasi K3 dengan fokus pada pengelasan, diikuti dengan pemberian APD kepada pekerja. Kegiatan ini bertujuan untuk meningkatkan pemahaman masyarakat tentang pentingnya keselamatan dalam pekerjaan berisiko tinggi serta memberikan rekomendasi praktis dalam penerapan K3 di lapangan. Selain itu, sosialisasi ini diharapkan dapat memicu peningkatan kesadaran masyarakat untuk lebih disiplin dalam penggunaan APD guna mengurangi kecelakaan kerja dan meningkatkan kesehatan serta keselamatan para pekerja. Melalui program ini, diharapkan tercipta lingkungan kerja yang lebih aman, tidak hanya untuk pekerja, tetapi juga bagi masyarakat sekitar, terutama dalam mendukung pertumbuhan ekonomi lokal yang berkelanjutan.
Proses Pack Carburizing dengan Media Arang sebagai Alternatif Pembuatan Grip Mesin Uji Tarik Kurniyanto, Hendri Budi; Widodo, Eriek; Wahyudi, Mohammad Thoriq; Amri, Moh. Syaiful; Masyhuri Prasetyo, Mohamad Fanni
Jurnal Teknologi Maritim Vol. 8 No. 1 (2025): Jurnal Teknologi Maritim
Publisher : Pusat Penelitian dan Pengabdian Masyarakat Politeknik Perkapalan Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35991/jtm.v8i1.57

Abstract

Mesin uji Tarik di Laboratorium Uji Bahan, Politeknik Perkapalan Negeri Surabaya, dalam penggunaannya selalu digunakan secara kontinyu. Kondisi ini, komponen pencekamnya (grip) sangat diperhitungkan dan harus memiliki kekerasan permukaan dan nilai ketahanan keausan yang tinggi agar grip ini bisa digunakan berkali-kali. Apabila grip ini sudah terjadi keausan pada permukaannya, maka perlu dilakukan pergantian dengan grip baru. Grip ini dibeli secara import dari Jepang dan memiliki harganya cukup mahal. Oleh karena itu perlu dilakukan penelitian sebagai alternatif pembuatan grip baru. Penelitian ini menggunakan material SA 572 Gr 50 dengan proses pack carburizing waktu tahan 120 menit dengan variasi media arang kayu jati, arang tempurung kelapa, dan arang bambu menggunakan campuran katalisator barium karbonat (BaCO3) sebesar 20% dari berat arang pada temperatur 950 dilanjutkan quenching dengan media air. Pengujian pada penelitian ini adalah untuk melihat pengaruh terhadap struktur mikro dan nilai kekerasan. Hasil penelitian menunjukkan terbentuknya fasa martensit setelah perlakuan proses pack carburizing dengan variasi media arang kayu jati, arang tempurung kelapa, dan arang bambu, fasa martensit yang terbentuk lebih dominan pada variasi media arang tempurung kelapa daripada variasi media arang kayu jati dan arang bambu. Nilai kekerasan tertinggi dari penelitian ini adalah variasi media tempurung kelapa sebesar 856.7 HVN dan yang terendah adalah media arang kayu jati sebesar 806.8 HVN sedangkan media arang bambu sebesar 819.6 HVN.
Rancang Bangun Aplikasi Intelligent Visual Scanner berbasis CNN untuk Identifikasi Cacat Pada Hasil Pengelasan Adhitya, Ryan yudha; Al Amin , Mochammad Karim; Munir , Mohammad Miftachul; Wahyudi, Mohammad Thoriq; Anggara , Dika; Septian , Eka Cahya; Yaqin , Muhammad Ainul; Safrudin, Muhammad Ilham; Annisa , Aulia Rahma; Ahmad Putra , Zindhu Maulana
Journal of Computer Electronic and Telecommunication Vol. 4 No. 2 (2023): December
Publisher : Institut Teknologi Telkom Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52435/complete.v4i2.393

Abstract

Pengelasan merupakan salah satu sektor yang berperan penting dalam mendukung pembangunan infrastruktur yang semakin pesat. Namun dalam proses pengelasan banyak muncul kesalahan - kesalahan atau cacat yang terkadang luput dari inspeksi dan menyebabkan kerusakan pada benda kerja. Tujuan diadakannya penitian ini untuk merancang aplikasi Intelligent Visual Scanner dengan menggunakan metode CNN untuk mendeteksi kelayakan hasil pengelasan berdasarkan 3 kondisi, yaitu Normal, Excess Reinforcement, dan Undercut. Daerah yang akan dideteksi merupakan bagian dari hasil pengelasan pada plat besi dengan ketebalan 4mm. Pemotretan dilakukan menggunakan kamera ponsel beresolusi 48 MP. Gambar yang diambil berukuran 3024 x 3024 piksel terlebih dahulu diproses dengan konversi RGB ke grayscale, kemudian gambar tersebut diperkecil (diubah ukurannya) ke skala yang lebih kecil yaitu 128 x 128 piksel untuk mempercepat proses training dan pada akhirnya proses training dan testing menggunakan model CNN. Model CNN ini menggunakan optimizer Adam. Untuk deteksi yang optimal, diperlukan dataset gambar sebanyak 300 gambar, dengan rincian 100 gambar normal, 100 gambar Excess Reinforcement dan 100 gambar Undercut. Data split training saat ini dibagi menjadi 75% data training dan 25% data validasi.