Garuda - Garba Rujukan Digital

ANALISA FAKTOR KUALITAS BENANG DTY PADA UNIT PRODUKSI POLITEKNIK ENJINERING INDORAMA MENGGUNAKAN FUZZY LOGIC CONTROL Emmanuel Agung Nugroho
JURNAL RAMATEKNO Vol 1 No 2 (2021): Ramatekno
Publisher : LPPM Politeknik Enjinering Indorama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61713/jrt.v1i2.36

DTY (Draw Textured Yarn) atau benang bertexture merupakan salah satu hasil produksi dari Vocational Training Center politeknik Enjinering Indorama sebagai mitra Perguruan tinggi PT Indorama Synthetics Tbk. DTY merupakan proses lanjut yang berasal dari POY (Partially Oriented Yarn). Proses pembuatan benang texturized dilakukan melalui metode pemuntiran atau twist dan penarikan dengan perbandingan putaran positorq dari rol pertama dengan rol kedua yang biasa dikenal dengan draw ratio, melalui pemanasan pada Primary heater dan secondary heater dengan suhu tertentu. Faktor Kualitas DTY di klasifikasikan dalam beberapa grade yaitu WE (4700 gr – 5150 gr), WA (1000 gr – 4699 gr), B (500 gr – 999 gr), C (250 gr- 499 gr) faktor penyebab perbedaan berat benang tersebut dipengaruhi oleh kestabilan kecepatan mesin, temperature benang saat proses twist dan draw ratio. Dengan menggunakan Analisa Fuzzy logic control dapat diprediksikan hasil kualitas benang DTY melalui pemodelan parameter factor-faktor pendukung proses produksi benang tersebut.

FUZZY SYSTEM AS FOUR-JOINT ROBOT MOVEMENT CONTROL FOR MOVING GOODS BASED ON TIME AND OBJECT COLOR Emmanuel Agung Nugroho; Nanang Roni Wibowo; Afzeri; Riqqi Rizalludin; Marwan Ruswanda
JURNAL RAMATEKNO Vol 2 No 2 (2022): Ramatekno
Publisher : LPPM Politeknik Enjinering Indorama

Technology Disruption has driven the acceleration of the industrial era 4.0 which is based on thespeed of data-based systems and artificial intelligence. Another impact is intelligent robots as asubstitute for human performance, because humans experience fatigue and decrease accuracywith increasing working time. Robots are an alternative whose presence cannot be avoided,therefore the robot's work system must be improved to optimize its speed and accuracy. One ofthe implementations of the robot is as a product moving machine from the initial coordinates (Pick)to the destination coordinates (Place). This study uses a four-joint robot (4 DOF) with a producttransfer mechanism that can be adjusted based on the input priority that has been set using theFuzzy Logic Control (FLC) method which is implemented using an Arduino Mega 2560microcontroller, and the robot used is Dobot Magician. There are 2 input variables used, namelythe mass of the object detected by the Weight sensor Load Cell + HX711 module and the colorof the object detected using the TCS3200 color sensor. The output variable is the movement ofthe robot to the Place which can be analyzed by calculating the position matrix using the Matlabprogram.

SISTEM KONTROL KECEPATAN MOTOR UNIVERSAL MENGGUNAKAN PID ARDUINO Setiawan, Iwan; Agung Nugroho, Emmanuel; Roni Wibowo, Nanang; Janizal
JURNAL RAMATEKNO Vol 3 No 1 (2023): Ramatekno
Publisher : LPPM Politeknik Enjinering Indorama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61713/jrt.v3i1.70

Motor universal telah banyak sekali digunakan pada peralatan rumahtangga, diantaranya mixer, mesin bor listrik, mesin gerinda, mesin jahit dan banyak lagi penggunaan lainnya. Motor universal merupakan motor yang dapat beroperasi dengan menggunakan sumber tegangan AC maupun DC dengan karakteristik khas-nya adalah kecepatan putar yang tinggi hingga di atas 3200 rpm. Kecepatan putar motor universal dapat dikendalikan dengan menggunakan thyristor yang menghasilkan tegangan DC ataupun tegangan AC terkendali. Pengaturan tegangan AC atau DC terkendali pada thyristor dilakukan dengan memberikan pulsa pemicuan pada gate thyristor. Untuk mendapatkan kecepatan putaran yang diharapkan digunakan sistem kontrol dengan pengendali PID. Sistem Kontrol PID (Proportional–Integral–Derivative) merupakan kontroler yang presisi untuk menghasilkan kecepatan yang sesuai dengan referensinya. Dalam implementasi ini system PID sebagai kontrol terhadap pemicuan gate thyristor dirancang secara digital dengan menggunakan Arduino UNO. Data pengujian menunjukkan bahwa besarnya sudut pemicuan berpengaruh secara signifikan terhadap kecepatan putaran motor universal.

KORELASI ANTARA WAKTU BELAJAR DENGAN HASIL PEMBELAJARAN: STUDI KASUS PENDIDIKAN VOKASI POLITEKNIK ENJINERING INDORAMA Afzeri; Kurnia, Deni; Nugroho, Emmanuel Agung
JURNAL RAMATEKNO Vol 3 No 2 (2023): Ramatekno
Publisher : LPPM Politeknik Enjinering Indorama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61713/jrt.v3i2.102

Pendidikan tinggi menggunakan pembelajaran yang menuntut kemandirian yang lebih tinggi dibandingkan dengan level pendidikan dibawahnya. Pengaturan waktu belajar diarahkan pada mahasiswa sesuai dengan kebiasaan yang baik bagi masing-masing. Namun dalam aturan pembelajaran yang di tentukan pemerintah, setiap mahasiswa harus memenuhi waktu belajar minumum untuk menyelesaikan sesuai jumlah SKS. Strategi pembelajaran pada pendidikan Vokasi PEI memiliki karakteristik dimana adanya pembelajaran yang aktif berupa teori dan praktik yang dilaksanakan secara terjadwal dikampus dan pembelajaran mandiri yang dilakukan diluar jadwal. Mahasiswa diharapkan mampu untuk menentukan pendalaman, kapan, metode dan bagaimana cara belajar serta waktu belajar yang sesuai dengan waktu belajar yang dicatatkan ke database. Pengambilan data kehadiran dilakukan secara online dimana mahasiswa secara langsung melakukan presensi kehadiran saat perkuliahan dimulai dan hasil disimpan dalam satuan menit kedalam database. Analisis regresi multivariable dilakukan untuk melihat korelasi antara waktu kehadiran di kelas dan waktu pembelajaran mandiri dengan nilai yang diperoleh. Hasil penelitian menujukkan bahwa ada korelasi positif yang signifikan antara waktu belajar dikelas dengan nilai yang dicapai dengan P Value kurang dari 0.01. Sementara itu waktu belajar mandiri dirumah secara mandiri dan online (saat pandemic) tidak memperlihatkan korelasi yang signifikan.

ANALISIS TRAYEKTORI SISTEM PICK AND PLACE DOBOT MAGICIAN Rosmawati, Nelis; Riyadi, Slamet; Nugroho, Emmanuel Agung
JURNAL RAMATEKNO Vol 4 No 1 (2024): Ramatekno_Vol_4_No_1
Publisher : LPPM Politeknik Enjinering Indorama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61713/jrt.v4i1.161

Dewasa ini perkembangan teknologi robotika yang semakin maju telah dimanfaatkan secara luas di berbagai bidang kegitan baik industri, pendidikan atau bidanga lain. Dalam dunia indutri pemanfaatan teknologi robotika bukan ssuatu hal yang baru, karena tekonogi robotika sangat membantu dalam proses otomasi demi tercapainya efektifitas proses yang diharapkan. Dalam dunia pendidikan teknologi robotika dimanfaatkan sebagai media pembelajaran bagi mahasiswa/i untuk mengetahui dan memahami konsep robotika dalam industri seperti yang sering terlihat dalam proses produksi proses pemindahan barang dari satu tempat ke tempat lain atau disebut juga Pick and Place dengan menggunakan lengan robot. Pada tulisan ini diperlihatkan hasil analisis trayektori proses Pick and Place dengan menggunakan Dobot Magician 4-DOF yang merupakan robot manipulator sebagai media pembelajaran untuk mengembangkan ilmu pengetahuan dan teknologi. Metode yang dilakukan adalah dengan menyimpan titik koordinat pengambilan (Pick) dan titik koordinat peletakan (Place) dengan beberapa bentuk tranformasi, yang selanjutnya ditentukan arah pergerakannya. Hasil analisa terlihat bahwa arah pergerakan atau trayektori pada setiap benda dengan posisi yang berbeda mempengaruhi teradap nilai X, Y dan Z.

PROTOTIPE MESIN INSPEKSI KAIN BERBASIS SISTEM PEMROSESAN CITRA DIGITAL Nugroho, Emmanuel Agung; Alfiyan, Yogi; Wibowo, Nanang Roni
JURNAL RAMATEKNO Vol 4 No 2 (2024): Ramatekno_vol_4_no_2
Publisher : LPPM Politeknik Enjinering Indorama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61713/jrt.v4i2.195

Dalam industri tekstil, pengendalian kualitas produk sangat penting untuk meminimalkan cacat yang dapat menurunkan kepuasan pelanggan dan efisiensi produksi. Jenis cacat kain yang umum, seperti double lusi, double pick, slap, netting, dan ketidaksesuaian ketebalan atau lebar kain, memerlukan inspeksi yang akurat dan efisien. Penelitian ini mengembangkan prototipe Fabric Inspection Machine (FIM) berbasis teknologi Image Processing untuk mendeteksi cacat secara otomatis. Sistem ini menggunakan algoritma pengolahan citra pada Google Teachable Machine, Raspberry Pi, dan kamera web sebagai pendeteksi cacat. Kain digerakkan oleh motor stepper dengan driver TB6600 dan dikendalikan oleh ESP8266, dengan sistem mekanik berbasis roll penggulung kain. Hasil pengujian menunjukkan bahwa mesin ini mampu mendeteksi tiga jenis kondisi kain: kain bagus, cacat jarang, dan cacat slap. Torsi motor stepper mencapai 0.3995 Nm, sementara torsi penggulung kain adalah 0.00242 Nm, dan torsi roller terhadap beban adalah 0.01615 Nm. Mesin mampu mempertahankan akurasi deteksi pada kecepatan kain dari 95.25 cm per menit (250 Hz, 18.75 RPM) hingga 285.75 cm per menit (750 Hz, 56.25 RPM). Desain mekanik yang konstan menjaga kecepatan penggulungan, meskipun ketebalan kain bervariasi. Dengan peningkatan akurasi dalam proses inspeksi, prototipe ini diharapkan dapat meningkatkan efisiensi produksi dan kualitas produk kain dalam industri tekstil.

IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK INSPEKSI CACAT PADA BENANG Ana Mariam; Nugroho, Emmanuel Agung; Riyadi, Slamet
JURNAL RAMATEKNO Vol 5 No 1 (2025): Jurnal Ramatekno
Publisher : LPPM Politeknik Enjinering Indorama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61713/jrt.v5i1.216

PT Indorama Synthetics Tbk merupakan salah satu produsen tekstil yang terus berinovasi untuk mengembangkan sistem inspeksi berbasis teknologi computer vision saat ini. Selama ini teknologi computer vision telah digunakan untuk mengidentifikasi corak cone tip pada benang spinning berdasarkan kesamaan spesifikasi jenis benang. Penelitian ini dilakukan sebagai pengembangan sistem tersebut sehingga memiliki kemampuan untuk mengidentifikasi dan mengklasifikasikan hasil produksi berdasarkan kategori benang bagus dan benang cacat seperti Stripe, Dirty, dan Moldy. Tujuan penelitian ini adalah menghasilkan alat yang mampu melakukan inspeksi secara otomatis, sehingga meningkatkan efisiensi proses inspeksi produksi benang yang masih bergantung pada pengamatan manual (human vision). Teknologi yang dikembangkan pada penelitian ini mengintegrasikan computer vision dengan machine learning berbasis algoritma Convolutional Neural Network (CNN) yang menghasilkan model Tensor Flow Lite yang di deploy kedalam Raspberry Pi. Pengujian model menggunakan dataset training, dan dianalisis berdasarkan akurasi, loss, serta performa pemrosesan citra secara real-time. Rata-rata hasil inferensi real-time menunjukkan nilai 68.13 ms untuk waktu inferensi dengan FPS 8.8 FPS dan akurasi 82.88%. Rata- rata Training Loss dengan nilai 0.9, Validation Loss 0.94, Training Accuracy 0.59, dan Validation Accuracy 0.56.

IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK INSPEKSI CACAT PADA BENANG Ana Mariam; Nugroho, Emmanuel Agung; Riyadi, Slamet
JURNAL RAMATEKNO Vol 5 No 1 (2025): Jurnal Ramatekno
Publisher : LPPM Politeknik Enjinering Indorama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61713/jrt.v5i1.216

PT Indorama Synthetics Tbk merupakan salah satu produsen tekstil yang terus berinovasi untuk mengembangkan sistem inspeksi berbasis teknologi computer vision saat ini. Selama ini teknologi computer vision telah digunakan untuk mengidentifikasi corak cone tip pada benang spinning berdasarkan kesamaan spesifikasi jenis benang. Penelitian ini dilakukan sebagai pengembangan sistem tersebut sehingga memiliki kemampuan untuk mengidentifikasi dan mengklasifikasikan hasil produksi berdasarkan kategori benang bagus dan benang cacat seperti Stripe, Dirty, dan Moldy. Tujuan penelitian ini adalah menghasilkan alat yang mampu melakukan inspeksi secara otomatis, sehingga meningkatkan efisiensi proses inspeksi produksi benang yang masih bergantung pada pengamatan manual (human vision). Teknologi yang dikembangkan pada penelitian ini mengintegrasikan computer vision dengan machine learning berbasis algoritma Convolutional Neural Network (CNN) yang menghasilkan model Tensor Flow Lite yang di deploy kedalam Raspberry Pi. Pengujian model menggunakan dataset training, dan dianalisis berdasarkan akurasi, loss, serta performa pemrosesan citra secara real-time. Rata-rata hasil inferensi real-time menunjukkan nilai 68.13 ms untuk waktu inferensi dengan FPS 8.8 FPS dan akurasi 82.88%. Rata- rata Training Loss dengan nilai 0.9, Validation Loss 0.94, Training Accuracy 0.59, dan Validation Accuracy 0.56.

Title

Found 8 Documents
Search
Journal : Ramatekno

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 8 Documents Search Journal : Ramatekno

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 8 Documents
Search
Journal : Ramatekno