Claim Missing Document
Check
Articles

Found 2 Documents
Search

Prototype Pretreatment Proses Pengecatan Part Motor Menggunakan Metode Logika Fuzzy Berbasis Internet Of Thing (IoT) Akhmad Wahyu Dani; Fina Supegina; Fadli Sirait; Yuliza Yuliza; Abim Ridha Gautama; Said Attamimi
Jurnal Teknologi Elektro Vol 14, No 1 (2023)
Publisher : Electrical Engineering, Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/jte.2023.v14i1.006

Abstract

Abstrak— Proses pengecatan part motor memiliki beberapa tahapan. Salah satu proses dalam pengecatan adalah pretreatment. Proses ini adalah proses pembersihan part motor menggunakan air yang di campur dengan bahan kimia, berfungsi untuk membersihkan part yang akan dicat dari kotoran yang menempel pada part Pada saat penyemprotan part proses penyemprotannya dilakukan terus menerus tanpa adanya penghematan penggunaan air dan tidak ada indikator level air. Sehingga dapat menggangu proses didalam pretreatment pembilasan part. Permasalahannya adalah pengecekan level air, suhu dan penyemprotan air ke part tidak terkontrol. Dan juga akan berdampak pada proses kualitas dalam produksi. Dalam hal ini system pengontrolan sangat diperlukan guna mengontrol seluruh parameter yang ada pada pretreatment sehingga dapat memaksimalkan proses produksi. Sehingga penelitian membahas implementasi logika fuzzy pada pengontrol motor pompa, temperatur dan ketinggian air. untuk proses penyemprotan bagian di area preatreatment, guna membantu proses pengontrolan kecepatan pompa air dan pengontrolan kecepatan pompa air. suhu dan ketinggian air pada proses pretreatment pembilasan bagian. Konsep IoT diterapkan dalam penelitian ini. Berdasarkan hasil analisa dan pengujian yang dilakukan pada penelitian ini, pada pengukuran suhu sensor DS18b20 mempunyai error sebesar 0.73%, pengukuran level menggunakan sensor ultrasonic mempunyai error sebesar 2.07%. Pada pengukuran kecepatan motor mempunyai error sebesar 1.6 %. Kecepatan transfer data IoT sebesar 14 second menggunakan ThinkSpeak. Dan untuk pengukuran nilai keluaran fuzzy logic mempunyai nilai yang hampir sama dengan peracangan menggunakan matlab. Dengan sample pengujian menggunakan suhu 44 C dan level 10 cm menghasilkan nilai pwm 127
Rancang Bangun Otomatisasi Hidroponik Deep Flow Technique Menggunakan Logika Fuzzy Sugeno Berbasis Internet Of Things Akhmad Wahyu Dani; Farrah Aisyah Putri; Fadli Sirait; Said Attamimi
Jurnal Ilmu Teknik dan Komputer Vol 7, No 2 (2023)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/jitkom.v7i2.002

Abstract

Penuruan kualitas lingkungan hidup merupakan sebuah permasalahan yang sedang di hadapi oleh masyarakat. Pembangunan kawasan perumahan yang tidak memperhatikan Ruang Terbuka Hijau memberi dampak terhadap penurunan kualitas lingkungan hidup. Untuk itu, pekarangan rumah dimanfaat guna meningkatkan kualitas lingkungan hidup masyarakat. Namun dengan lokasi rumah yang berada di perkotaan belum tentu menyediakan pekarangan yang luas untuk bercocok tanam. Untuk itu diperlukan metode penanaman yang lebih berkelanjutan yang dikenal dengan hidroponik. Hidroponik merupakan metode budidaya tanaman dengan menggunakan sejumlah air yang kaya akan nutrisi sebagai media tanamnya. Hidroponik termasuk smart gardening dimana dapat diintegrasikan pada IoT, sehingga penelitian ini berfokus pada pembuatan otomatisasi hidroponik menggunakan metode logika fuzzy berbasis IoT. Prototipe ini berfungsi untuk dan mengatur jumlah air, nutrisi dan pH pada tangki nutrisi berdasarkan hasil pembacaan sensor. Untuk menghasilkan keluaran yang terkuantisasi, metode Logika Fuzzy Sugeno digunakan pada sistem ini. Berdasarkan hasil dari fuzzifikasi dan inferensi pada metode tersebut, menghasilkan nilai keluaran pada motor pompa air, motor pompa nutrisi, motor pompa pH Up dan motor pompa pH Down berupa waktu dengan satuan detik. Dengan menerapkan logika fuzzy pada pengendalian nutrisi pada tanaman hidroponik, pertumbuhan tanaman menggunakan kendali logika fuzzy lebih optimal dibandingkan tanpa kendali logika fuzzy. Kemudian respon waktu pada pengendalian tinggi air mencapai kestabilan yaitu 41 detik. Respon waktu pada pengendalian TDS mencapai kestabilan yaitu 51,96 detik. Respon waktu pada pengendalian pH mencapai kestabilan yaitu 5,48 detik. Nilai output pada Arduino memiliki keakuratan sebesar 99,77% terhadap nilai output yang disimulasikan menggunakan Matlab. Prototipe ini dapat dipantau secara jarak jauh dengan menggunakan platform ThingSpeak dimana dalam pengiriman data dari Arduino ke ThingSpeak membutuhkan waktu 11,2 detik.