ROHMAN, BUGI NUR (2021) RANCANG BANGUN PURWARUPA SISTEM PREDIKSI DAN KLASIFIKASI RADIUS SHAPING PADA PROSES CURING BAN MENGGUNAKAN METODE DNN. S1 thesis, Universitas Mercu Buana Jakarta.
|
Text (HAL COVER)
01 Cover.pdf Download (321kB) | Preview |
|
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (BAB I)
02 Bab 1.pdf Restricted to Registered users only Download (275kB) |
|
|
Text (BAB II)
03 Bab 2.pdf Restricted to Registered users only Download (510kB) |
|
|
Text (BAB III)
04 Bab 3.pdf Restricted to Registered users only Download (380kB) |
|
|
Text (BAB IV)
05 Bab 4.pdf Restricted to Registered users only Download (735kB) |
|
|
Text (BAB V)
06 Bab 5.pdf Restricted to Registered users only Download (259kB) |
|
|
Text (DAFTAR PUSTAKA)
07 Daftar Pustaka.pdf Restricted to Registered users only Download (381kB) |
Abstract
The shaping process is one of the stages of curing or cooking green tires (semi-finished tires). Shaping is the process of forming green tires or semi-finished tires, where the green tire is placed on the bladder and is pressured as desired. In the shaping process there is a pressure value and bladder dimension (radius) which are one of the important parameters that affect the product yield. There are curing machines that have not used the radius shaping system and the IoT system to monitor the process. This causes the analysis of product defects by the curing machine is not optimal and it is difficult to determine the optimal radius value, so a tool is needed to create a monitoring system for the radius shaping value, and a tool to classify and predict the value of the shaping parameters (radius and pressure). Based on these problems, the author tries to make a prototype of the monitoring system, classification and prediction of radius shaping values using the Deep Neural Network (DNN) method with the input value of the radius value from the ultrasonic sensor HC-SR04 connected to the NodeMcu, then displaying the radius shaping value along with the classification and prediction results. on the ExpressJs Heroku web server and Telegram application. This study aims to determine the value of radius shaping and classify it, then display the results publicly. From the test results obtained by the monitoring system, prediction and classification of radius shaping values. The test results are the DNN model with the optimal prediction method in the 17th model training process which has an accuracy of 99.06% and a loss of 0.16%. Then for the optimal classification in the 9th Model training process which has an accuracy of 99.86% and a loss of 0.38%. The model is then used on the ExpressJS web server to be integrated with the Telegram bot. Keywords: Curing, Shaping, IoT, NodeMcu, Ultrasonic, Deep Neural Network, Prediction, Classification, Telegram Bot, ExpressJS. 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. Kata Kunci : Curing, Shaping, IoT, NodeMcu, Ultrasonik, Deep Neural Network, Prediksi, Klasifikasi, Bot Telegram, ExpressJS
Actions (login required)
 |
View Item |
