APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI MORFOLOGI BUSUR PADA PENGELASAN BUSUR DIAM TIG DENGAN PARAMETER DAN KOMPOSISI GAS YANG BERBEDA. Muhammad Fadly Hi.Abbas1, Abdullah Shahab2 Teknik Mesin, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember, Surabaya, Indonesia
[email protected] 2 Teknik Mesin, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember, Surabaya, Indonesia 1
Abstrak Penelitian yang mempelajari pengaruh parameter dan komposisi gas pelindung terhadap busur sangat penting dilakukan karena busur merupakan komponen yang berpengaruh dalam pengelasan busur listrik. Keberhasilan pengelasan sangat ditentukan oleh kualitas dari busur yang dihasilkan, dan salah satu indikasi kualitas dari busur adalah morfologi busur. Dengan mempelajari pengaruh parameter pengelasan terhadap morfologi busur diharapkan kontrol terhadap kualitas busur dapat dilakukan dengan lebih baik. Dengan pengelasan diam TIG terhadap baja ASTM A36 dengan variasi arus pengelasan, sudut tip elektrode, debit gas pelindung, arc lenght, stick out, diameter elektroda dan komposisi gas pelindung (100% Argon dan 70% Argon – 30% Helium). Busur yang tercipta difoto dengan menggunakan kamera digital, lalu dilakukan pengukuran morfologi busur pada foto yang telah dihasilkan. Hasil dari penelitian ini berupa data yang dimanfaatkan untuk membuat suatu metode prediksi yang mampu memprediksikan pengaruh parameter pengelasan dan komposisi gas pelindung terhadap morfologi busur. Dari data eksperimen penelitian sebelumnya dan data eksperimen tambahan, disusun jaringan syaraf tiruan (JST) sebagai suatu instrumen yang digunakan untuk memprediksi morfologi busur secara akurat. JST kemudian disimulasi dengan input yang baru, dan dilakukan eksperimen validasi untuk menguji validitas prediksi. Setelah diuji dengan statistik, diketahui bahwa selisih antara target JST dengan hasil eksperimen, secara statistik tidak berbeda secara signifikan, sehingga dapat dikatakan JST berhasil memprediksi morfologi busur. Kata kunci : Jaringan syaraf tiruan, prediksi, TIG, parameter pengelasan, morfologi busur.
Latar Belakang. Kemajuan ilmu pengetahuan dan teknologi yang telah dicapai khususnya pada bidang las telah memberikan nilai tambah pada teknologi pengelasan dan memegang peranan penting dalam masyarakat industri modern. Pada teknik produksi yang berkaitan dengan konstruksi mesin maupun bangunan, proses pengelasan merupakan hal yang sangat penting sehingga perlu mendapat perhatian. Selain pada proses
produksi, proses pengelasan dimanfaatkan juga untuk proses perawatan ataupun perbaikan. Pengelasan merupakan salah satu sarana untuk mengoptimalkan biaya proses produksi tanpa mengabaikan desain kekuatan yang diharapkan. Metode pengelasan Gas tungsten arc welding (GTAW) atau tungsten inert gas welding (TIG) adalah jenis las listrik dengan elektrode yang tidak terkonsumsi yang menggunakan bahan tungsten dan hanya
digunakan untuk menghasilkan busur nyala listrik. Jenis las ini dapat digunakan dapat digunakan dengan atau tampa bahan penambah. Las ini menghasilkan sambungan las yang bermutu tinggi dengan peralatan yang relatif lebih murah. GTAW merupakan salah satu metode pengelasan yang banyak digunakan di dunia industri dan termasuk jenis pengelasan elektrode tidak terumpan (non consumable electrode).
Gambar 1. Skema pengelasan GTAW (Miller Mfg. Co., 2007) Penelitian pada metode GTAW yang mengvariasikan parameter pengelasan seperti kecepatan pengelasan, ketirusan elektrode dan arus pengelasan. Parameterperameter lasan tersebut, pada kenyataannya tidak bersentuhan lansung dengan benda kerja pada saat proses pengelasan sedang berlangsung dan dalam hal ini yang berhubungan langsung pada saat proses pengelasan adalah busur. Busur merupakan komponen yang penting dalam pengelasan busur listrik karena keberhasilan pengelasan salah satunya ditentukan oleh kualitas dari busur yang dihasilkan. Morfologi busur merupakan salah satu indikasi dari kualitas busur. Dengan mempelajari pengaruh parameter pengelasan terhadap morfologi busur diharapkan kontrol terhadap kualitas busur dapat dilakukan dengan lebih baik. Perumusan Masalah.
Dari latar belakang di atas dirumuskan suatu masalah bagaimana mempelajari tentang pengaruh arus pengelasan, sudut ketirusan elektrode, debit gas pelindung, arc length, stick out dan diameter elektrode serta jenis dan komposisi gas pelindung terhadap morfologi busur yaitu luas penampang busur (mm2), lebar maksimal busur (mm), lebar kontak busur (mm), kenaikan busur pada elektrode (mm), sudut akar busur (º) dan sudutkontak busur (º) dan bagaimana menyusun struktur JST yang dapat digunakan untuk memprediksi pengaruh terhadap morfologi busur pada pengelasan berdasarkan data eksperimen. dan menguji tingkat validasi output JST, sehingga mampu menjamin efektifitas metode tersebut. Tujuan Penelitian. Tujuan dari penelitian ini adalah dapat mengetahui pengaruh yang terjadi apabila parameter pengelasan divariasikan. Menghasilkan model JST dengan tingkat selisih yang terkecil dalam memprediksi pengaruh tersebut serta menguji validasi hasil itu yaitu dengan membandingkan output JST versus hasil eksperimen. Manfaat Penelitian. Hasil dari penelitian ini diharapkan mampu memberikan konstribusi di bidang pengelasan antara lain memberikan informasi tentang pemilihan parameter pengelasan yang dapat menghasilkan produk las-lasan yang optimal dan memberikan informasi secara cepat dan tepat untuk pemilihan parameter pengelasan kepada para welder atau lainnya dengan menggunakan model JST dan sebagai tambahan pembendaharaan penelitian dibidang pengelasan yang dapat digunakan oleh peneliti berikutnya untuk pengembangan lebih lanjut. Kajian Teori
Ru (2008); meneliti tentang variasi parameter pengelasan pada metode GTAW dari penelitian itu hasil yang diperoleh adalah terjadinya penurunan pada sudut kontak busur dengan bertambahnya arus, sementara cenderung meningkat morfologi busur yang lain. Terjadi pengaruh yang signifikan terhadap morofologi busur akibat peningkatan sudut ketirusan elektrode. Penambahan 30% unsur helium ke dalam gas pelindung berpengaruh cukup signifikan terhadap respon-respon yang diamati. Dari penelitian itu hasil yang diperoleh dijadikan dasar oleh peneliti untuk melanjutkan penelitian dengan mengvariasikan parameter pengelasan lainnya sehingga data yang didapat lebih banyak dan lebih lengkap. Suwarno (2004): menggunakan metode jaringan syaraf tiruan untuk memprediksi derajat presipitasi karbida krom pada baja tahan karat austenitic. Untuk mendeteksi derajat presipitasi karbida dilakukan pengamatan makrografi pada spesimen yang dipanasi secara lokal menggunakan input panas las TIG. Setelah dilakukan beberapa tahapan kemudian diperoleh hasil yang selanjutnya dimanfaatkan sebagai data untuk membuat suatu model JST yang mampu untuk memprediksikan derajat presipitasi karbida. Para ahli telah banyak mendefenisikan mengenai arc atau busur listrik. Salah satunya menyatakan bahwa arc adalah arus listrik yang mengalir dari elektrode menuju benda kerja melintasi kolom gas bersuhu tinggi dan menghasilkan energi panas yang cukup untuk mencairkan logam (Jackson, Clarence E., 1960). Pada gambar 2. berikut menunjukkan batas-batas busur, elektrode, dan benda kerja pada penelitian ini.
Gambar 2. Foto busur dengan batas-batas antara busur, benda kerja, dan elektrode. Penjelasan secara lengkap tentang proses pengukuran busur (arc) dapat dilihat pada lampiran. Permulaan tahun 1940 para ilmuwan menemukan bahwa psikologi otak sama dengan mode pemrosesan yang dilakukan oleh komputer. Pemrograman komputer yang dibuat berdasarkan cara kerja dari otak manusia ini disebut dengan jaring syaraf tiruan, namun sampai saat ini masih belum ada yang dapat menyamai universalitas dari otak manusia. Tiruan neuron dalam JST adalah elemen pemroses seperti pada Gambar 3 yang dapat berfungsi seperti sebuah neuron. Sinyal–sinyal masukan x dikalikan dengan bobot yang bersesuaian W, setelah itu dilakukan penjumlahan dari seluruh perkalian xn dan Wn dan setelah itu dilalukan kedalam fungsi pengaktif untuk mendapatkan tingkat derajat sinyal keluaran F(x,W). l Wn xn Penjumlahan
x0
Y f (l ) Fungsi Transfer
W0 x1
W1 Penjumlah
W2 x2
Fungsi Transfer
Wn xn Tempat masuk
Proses
Tempat keluar
Gambar 3. Model neuron tiruan Perkembangan JST masih berlangsung hingga saat ini, dengan kata lain terjadi perubahan atau penambahan dalam pemrograman untuk memperbaiki kinerja dari JST. Hal yang mendasar pada
perubahan atau penambahan dalam pemrograman JST secara umum terjadi pada pola hubungan antar neuron, metode untuk menentukan bobot penghubung dan fungsi aktifasi. Beberapa prinsip yang perlu diperhatikan dalam penyelesaian masalah dengan JST yaitu mencari data yaitu dengan data yang sudah ada (eksperimen terdahulu) dan atau data dari hasil eksperimen yang tambahan, menyeleksi data tersebut menjadi pasangan variabel yang merupakan input (biasanya merupakan variabel bebas), sedangkan pasangan targetnya merupakan variabel respon, mambagi sejumlah data dalam baberapa data sesuai dengan permintaan JST, yaitu data training, data validasi dan data testing, pada software MATLAB Toolbox data tersebut dientri dan memantau dan mengevaluasi kinerja jaringan yang dipilih, sesuai dengan kebutuhan penyelesaian yang ingin dicapai. Ketika error yang dicapai belum optimal dilakukan perubahan dalam komponen JST atau mentraining kembali dengan bias dan bobot yang dirandom ulang.
Prediksi dengan JST memerlukan data yang cukup. Data dari penelitian terdahulu yang merupakan penelitian dengan tujuan yang sama. Dari peneliti terdahulu didapatkan penelitian yang dapat digunakan sebanyak 120 pasangan data input-target, kemudian digabungkan dengan data yang tambahan sebanyak 240 pasangan data input-target Parameter Pengelasan yang divariasikan pada penelitian ini yaitu gas pelindung (100% Argon dan 70% Argon – 30% Helium), debit gas pelindung (5 lpm, 10 lpm, 15 lpm, 20 lpm, dan 25 lpm), arus (70 Ampere, 85 Ampere, 100 Ampere, dan 115 Ampere), sudut ketirusan elektrode (30°, 60° dan 90°), Arc length (2 mm, 4 mm, 6 mm), stick out (2 mm, 4 mm, 6 mm) dan diameter elektroda (1,6 mm, 2,4 mm, 3,2 mm). Respon yang diamati, antara lain luas busur (mm2), lebar maksimum busur (mm), lebar kontak busur (mm), kenaikan busur pada elektrode (mm), sudut akar busur (°) dan suduk kontak busur (°). Morfologi busur yang terbentuk dalam pengelasan diamati berdasarkan data hasil pengukuran terhadap foto busur.
Metodologi Penelitian. Hasil Penelitian
MULAI
MENCARI DATA DATA EKSPERIMEN TERBARU
DATA EKSPERIMEN TERDAHULU MENGELOMPOKKAN DATA
PEMBUATAN PROGRAM APLIKASI (GRAPHICAL USER INTERFACE)
INPUT DATA / PARAMETER JST PREPROSESING DATA
UPDATE PARAMETER JST SELESAI
EKSPERIMEN VALIDASI TIDAK DATA OUTPUTS PREDIKSI JST
YA
ERROR TERPENUHI ?
ANALISA DAN PEMBAHASAN
Gambar 4. Diagram alir Metode JST
Tabel 1. Hasil dari eksperimen (Karena keterbatasan ruang penulisan maka dari data semulanya training berjumlah 216 data, dibatasi jumlahnya seperti pada tabel di bawah ini)
hasil prediksi. Dengan hasil perbandingan dengan level of significance 5% dapat disimpulkan bahwa tidak ada perbedaan respons hasil percobaan dengan target JST pada responnya. Jaringan yang telah berhasil, dan dievaluasi dengan eksperimen validasi, digunakan sebagai komponen fungsi untuk membuat file program interface. Gambar 5 Nilai error jaringan dalam proses training yang menggambarkan performance JST. Tabel 2. Perbandingan eksperimen dan hasil prediksi JST.
antara
hasil
Untuk mengetahui tingkat keberhasilan JST dalam memprediksi respon yang diamati, dilakukan perhitungan selisih (delta) antara hasil eksperimen dengan hasil prediksi target JST. Uji rata-rata selisih secara berpasangan (paired comparison) dilakukan untuk melihat apakah ada perbedaan significan antara respon hasil uji sebenarnya dengan respon
Kesimpulan dan saran Dari data eksperimen dengan variasi parameter pengelasan serta jenis dan komposisi gas pelindung, didapat respon berupa morfologi busur (arc), kemudian dimodelkan dengan jaringan syaraf tiruan (JST) yang mampu memprediksi variable bebas dan respon. JST yang dapat digunakan, yaitu jaringan type Traingdxbackpropagation, dengan algoritma latihan trainlm dengan 3 layer neuran menghasilkan prediksi morfologi busur yang cukup memuaskan. JST kemudian disimulasi dengan input yang baru, dan dilakukan eksperimen validasi untuk menguji validitas prediksi. Setelah diuji dengan analisa statistik diketahui bahwa selisih antara output JST dengan hasil eksperimen tidak berbeda secara signifikan, sehingga dapat dikatakan JST berhasil mampu memprediksi besaran morfologi busur. Saran penulis adalah untuk pengujian selanjutnya sebaiknya memasukkan parameter pengelasan lain seperti kecepatan pengelasan, dapat dijadikan opsi bagi peneliti berikutnya yang memiliki keinginan untuk melanjutkan penelitian ini. Tingkat kepresisian JST sangat ditunjang oleh banyaknya data training dalam jaringan, oleh karena itu semakin banyak data yang tersedia akan semakin akurat.
Daftar Pustaka Adhi atma wiguna, Ru I.b. (2009), Studi pengaruh parameter pengelasan dan komposisi gas pelindung terhadap
morfologi busur dan temperatur pada pengelasan gtaw, Tugas akhir Jurusan Teknik Mesin FTI, ITS Surabaya. Distorsi dengan Menggunakan Neural Networks, Tugas Akhir Jurusan Teknik Mesin FTI-ITS, Surabaya. Hery purnomo,mauridhi dan Kurniawan,agus (2006), Supervised neural networks dan aplikasinya. edisi pertama, penerbit Graha ilmu,Yogyakarta. Jackson, Clarence E.(1960), Welding Journal, Welding Research Council. Metals Handbook (1971), Volume 6, Welding And Brazing, 8th edition. Messler, Robert W.(1999), Principles of Welding. Troy, New York: John Wiley & Sons, Inc. Siang,jok jeng (2005), Jaringan syaraf tiruan dengan menggunakan matlab, Penerbit andi, Yogyakarta. Suwarno dan Shahab A. (2004), Prediksi derajat presipitasi karbida krom pada baja tahan karat austenitic dengan metode jaringan syaraf tiruan, jurnal teknik mesin, Vol.4, No.2, hal. 33-39 Tanaka, Manabu dkk.( 2007), Influence of Shielding Gas on Arc Properties in TIG Welding Process, JWRI, Osaka University, Japan. The Procedure Handbook Of Arc Welding (1973), Twelfth Edition, The Lincoln Electric Company, Cleveland, Ohio. Welding Handbook (1991), eighth edition, Volume 1, Welding Technology, American Welding Society (AWS). Wiryosumarto, Harsono, Prof. Dr. Ir dan Prof. Dr. Toshie Okumura (2008),
Teknologi Pengelasan Logam, PT.Pradnya Paramita. http://en.wikipedia.org/wiki/GTAW http://www.makunamuhendisi.com , TIG Handbook (2007) Miller Electric Mfg. Co. , Welding Handbook Fundamental of Welding (1976), seventh edition, volume I, Florida.American Welding Society. ,Welding Handbook Material and Application (1976), eight edition, volume IV, Florida.American Welding Society. ,Welder’s Handbook (1999), 3rd edition, Air Products PLC.
Lampiran
Gambar 6. Skema besaran penampang busur yang diukur
Gambar 7. Aplikasi graphical user interface dari output JST