<![CDATA[Abstrak— Proses shaping adalah salah satu tahapan curing atau pemasakan green tire (ban setengah jadi). Shaping yaitu proses pembentukan green tire atau ban setengah jadi, dimana green tire diletakkan pada bladder dan diberi tekanan sesuai keinginan. Dalam proses shaping terdapat nilai tekanan dan dimensi (radius) bladder yang menjadi salah satu parameter penting yang berpengaruh terhadap hasil produk. Terdapat mesin curing yang belum menggunakan sistem radius shaping dan sistem IoT untuk melakukan pemantauan proses tersebut. Hal ini menyebabkan analisa cacat produk oleh mesin curing tidak optimal dan sulit menentukan nilai radius yang optimal, maka dibutuhkan alat untuk membuat sistem pemantauan nilai radius shaping, dan alat untuk mengklasifikasi dan memprediksi nilai parameter shaping (radius dan tekanan). Berdasarkan permasalahan tersebut penulis mencoba membuat purwarupa sistem pemantauan, klasifikasi dan prediksi nilai radius shaping menggunakan metode Deep Neural Network (DNN) dengan nilai masukan nilai radius dari sensor ultrasonik HC-SR04 yang terkoneksi dengan NodeMcu, kemudian menampilkan nilai radius shaping beserta hasil klasifikasi dan prediksi pada web server ExpressJs Heroku dan aplikasi Telegram. Penelitian ini bertujuan untuk menentukan nilai radius shaping dan mengklasifikasikanya, kemudian menampilkan hasilnya secara publik. Dari hasil pengujian diperoleh sistem pemantauan, prediksi dan klasifikasi nilai radius shaping, Hasil pengujian tersebut adalah Model DNN dengan metode prediksi yang optimal pada proses pelatihan Model ke-17 dimana memiliki akurasi 99.06% dan loss 0.16%. Kemudian untuk klasifikasi yang optimal pada proses pelatihan Model ke-9 dimana memiliki akurasi 99.86% dan loss 0.38%. Model tersebut kemudian digunakan pada web server ExpressJS untuk diintegrasikan denga bot telegram.]]>
Copyrights © 2025
