PERANCANGAN SOFT SENSOR KECEPATAN ROTASI KOMPRESOR MESIN PESAWAT BOEING 737-300 TIPE CFM56-3B-1 MENGGUNAKAN JARINGAN SYARAF TIRUAN di PT MERPATI MAINTENANCE FASILITIES-BANDARA INTERNASIONAL JUANDA (Silvia Dwi Kinaka; Dr. Ir. Aulia Siti Aisjah, MT; Imam Abadi, ST, MT) Jurusan Teknik Fisika – Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih – Sukolilo, Surabaya 60111 Abstrak Penggunaan pesawat Merpati BOEING 737-300 secara terus menerus mengakibatkan penurunan kinerja pada engine pesawat salah satunya kompresor. Indikasi penurunan kinerja kompresor dapat dilihat pada kecepatan rotasi. Pada tugas akhir ini dilakukan perancangan soft sensor kecepatan rotasi dengan menggunakan jaringan syaraf tiruan backpropagation algoritma gradient descent dengan momentum. Data yang digunakan adalah pada saat take off dan cruise. Data masukan soft sensor saat take off adalah suhu udara luar, kecepatan rendah rotasi, suhu gas buang sedangkan pada cruise data masukan adalah suhu udara luar, kecepatan rendah rotasi, suhu gas buang, aliran bahan bakar dan tekanan oli, suhu oli, volume oli, air time, ketinggian dan kecepatan pesawat. Ke-semua variabel ini dijadikan masukan pada sistem JST soft sensor. Keluaran dari JST adalah nilai kecepatan tinggi rotasi kompresor. Pengujian menggunakan data bulan Juni 2010 sampai Desember 2010 didapat nilai RMSE dan VAF saat take off yaitu 3,20E-05 dan 99,16% serta error pada pengujian soft sensor saat take off adalah 0,2. Sedangkan nilai RMSE dan VAF saat cruise yaitu 4,20E-05 dan 99% serta error pada pengujian soft sensor saat cruise adalah 0,7. Kata kunci : Prediksi kecepatan rotasi, kompresor mesin pesawat, backpropagation gradient descent with momentum. I. Pendahuluan 1.1 Latar Belakang Merpati Maintenance Facilities merupakan pusat perawatan pesawat yang dimiliki oleh perusahaan penerbangan Merpati Nusantara Airlines. Pada tahun 1999 manajemen Merpati memutuskan untuk mengubah Merpati Maintenance Fasilities (MMF) menjadi unit bisnis strategis sehingga MMF juga menerima perawatan rutin dari maskapai penerbangan lain domestik maupun asing telah menjadi customer MMF. Pada tempat tersebut dijumpai berbagai kegiatan perawatan engine pesawat. Engine pesawat yang akan diteliti pada tugas akhir ini adalah kompresor. Seiring dengan waktu pemakaian, sistem kompresor tersebut akan mengalami penurunan performansi atau kinerja. Kompresor pesawat memiliki pengaruh yang besar baik pada saat kondisi take off, cruise dan landing. Kerja mesin pesawat yang terus menerus berdampak pada penurunan kinerja sistem kompresor. Hal itu ditandai dengan ketidaknormalan dari fungsi kerja nya. Parameter yang berpengaruh pada performansi kompresor pada saat take off adalah kecepatan rotasi rendah (N1), EGT (suhu gas keluaran) serta OAT (suhu udara luar) sedangkan kondisi cruise yaitu
kecepatan rotasi rendah (N1), EGT (suhu gas keluaran), fuel flow (aliran bahan bakar), OAT (suhu udara luar), suhu oli, tekanan oli, volume oli, kecepatan, ketinggian pesawat, air time serta keluaran dari take off dan cruise yaitu kecepatan rotasi tinggi (N2). Pada penelitian Tugas Akhir ini akan dilakukan perancangan soft sensor terhadap kecepatan rotasi kompresor mesin pesawat Boeing 737 seri 300 tipe CFM56-3-B1 dengan jaringan syaraf tiruan backpropagation algoritma gradient descent with momentum. 1.2 Rumusan Permasalahan Terdapat beberapa permasalahan yang harus diselesaikan berdasarkan latar belakang yang telah diuraikan. Dalam hal ini cara merancang soft sensor kecepatan rotasi pada kompresor mesin pesawat Boeing 737 seri 300 tipe CFM563-B1 menggunakan jaringan syaraf tiruan 1.3 Tujuan dan manfaat Tujuan dari tugas akhir ini adalah : Untuk merancang soft sensor kecepatan rotasi kompresor mesin pesawat tipe CFM56-3-B1 di PT. Merpati Maintenance Facilities-Bandara International Juanda Surabaya.
Manfaat dari penelitian Tugas Akhir ini adalah: Sebagai referensi dari operator pada divisi engineering dalam melakukan identifikasi kerusakan . II. Teori Penunjang 2.1. Mesin Pesawat Mesin pesawat terdiri dari kompresor, combustion chamber serta turbin gas. Cara kerja dari engine pesawat terbang secara umum (Gambar 2.1) yaitu motor starter dinyalakan, kompresor berputar dan mulai bekerja menghisap udara sekitar, udara kemudian dimampatkan. Udara pada tahap pertama dimampatkan dahulu pada kompresor tekanan rendah (N1), diteruskan kompresor tekanan tinggi (N2). Udara mampat selanjutnya masuk ruang bakar (combustion chamber), bercampur dengan bahan bakar yang sudah disemprotkan. Campuran bahan bakar-udara mampat kemudian dinyalakan dan terjadi proses pembakaran. Gas hasil proses pembakaran berekspansi ke turbin, terjadi perubahan dari energi panas menjadi energi putaran poros turbin, sebagian gas pembakaran menjadi gaya dorong, Gas hasil pembakaran ke luar melalui saluran buang, dari proses kerja turbin gas pesawat terbang tersebut, dihasilkan gaya turbin yang digunakan untuk menggerakan kompresor, menghasikan gaya dorong, dan menggerakan peralatan bantu lainnya [1]. .
Gambar 2.1 Engine Pesawat[7] engine pesawat yang akan digunakan pada tugas akhir ini. Pengertian dari kompresor adalah suatu bagian dari mesin pesawat yang berfungsi menghasilkan gas kempaan sehingga meningkatkan tekanan dari aliran udara yang didapat (intake). Kompresor mesin pesawat ini merupakan tipe rotating yaitu mengkompres fluida kerja dengan cara memutarnya (rotasi). Pada kompresor mesin pesawat Boeing 737-300
tipe CFM 56-3B-1 menggunakan kompresor axial flow. Terdapat dua tipe dasar dari kompresor dalam mesin turbin gas yaitu memberi aliran sentrifugal dan memberi aliran axial. Keduanya memiliki fungsi yang sama yaitu untuk kompresi udara sebelum ekspansi melalui turbin. Kedua jenis tersebut digerakkan oleh mesin turbin dan biasanya terletak satu poros dengan turbin. Kompresor putar secara aksial (Gambar 2.3) adalah kompresor berbasis airfoil di mana pada prinsipnya fluida kerja mengalir sejajar dengan sumbu rotasi sedangkan kompresor sentrifugal tegak lurus terhadap sumbu rotasi. Kompresor aliran axial menghasilkan aliran kontinu gas kempaan, dan memiliki manfaat efisiensi tinggi dan kapasitas aliran massa yang besar, terutama dalam kaitannya dengan penampang-lintang (cross-section). Kompresor axial secara luas digunakan pada turbin gas, seperti mesin jet, mesin kapal kecepatan tinggi, dan pembangkit listrik skala kecil [3]. Design kompresor sentrifugal dapat dilihat pada gambar 2.4. Sebuah contoh dari kompresor sentrifugal di dalam pesawat terbang yaitu pesawat asal Swedia Gambar 2.2 menunjukkan contoh kompresor axial. Kompresor axial pesawat terbang memiliki 2 stage, yaitu kompresor tekanan rendah (N1) dan kompresor tekanan tinggi (N2). Kompresor tekanan rendah (N1) memiliki sudu (blade) yang lebih renggang sedangkan pada N2 sudu nya lebih rapat. Kompresor merupakan suatu mesin yang mampu memampatkan atau mengkompreskan fluida kerja. Kompresor menerima energi/kerja dari luar berupa poros karena fluida yang dikompres dalam bentuk gas/udara maka akan mengakibatkan terjadi perubahan suhu dan rapat massa. Bila perubahan tekanan rendah, maka akibat proses kompresi hampir tidak terjadi perubahan suhu (T) dan rapat massa (densitas) fluida kerja. Apabila dalam perubahan tekanan tersebut tinggi, maka akibat proses kompresi akan terjadi perubahan suhu dan rapat massa fluida yang sangat signifikan [8].
1 P 2 Tin 1 P1 Tstage = Ns
Gambar 2.2 Kompresor Axial[10] Dalam menganalisa aliran kompresor terdapat beberapa variabel penting yaitu kecepatan, ketinggian dll. Kenaikan tekanan yang dinyatakan dengan pressure coefficient, CP. Dimana persamaan CP. Dinyatakan dalam persamaan di bawah ini [8].
Dimana Tin adalah Total inlet temperatur (Celcius) P2,P1 adalah tekanan (psi) Sebuah kompresor aliran axial terdiri dari beberapa tahap, setiap tahap digerakkan oleh stator yang menyebabkan blade mempercepat fluida kerja sehingga mendapatkan energi, yang disebut energi kinetik [10]. Persamaan energi ini berasal dari hukum pertama termodinamika yaitu Q = W + ( E2 – E1 )
CpTO = CpT + V2 2
(2.1)
Dan besar suhu awal adalah TO = T + V2 2CP
(2.2)
Hubungan antara tekanan P dengan suhu T PO = TO γ/( γ-1) P T (2.3)
ΔH = [ H2 – H1 ] NS
(2.6)
Pengertian energi adalah kemampuan untuk melakukan usaha/kerja. Pada aplikasi kompresor, energi yang digunakan adalah energi dalam, energi potensial serta energi kinetik yang digunakan untuk memutar rotor dan stator sehingga dapat menghasilkan tekanan yang besar. Hubungan antara ketiga energi dapat ditulis pada persamaan di bawah ini [12]: ∆E = ∆U + ∆PE + ∆KE
(2.7)
E = U + mgh + 1 mv2 2
(2.8)
dE = dU + m( g dH ) + m d(
1 2 v ) (2.9) 2
Dimana : Cp adalah tekanan statis koefisien TO adalah suhu awal T adalah suhu γ adalah rasio panas spesifik cp/cv Pada kompresor aliran axial, udara dikompres (dimampatkan) dari satu tahap ke tahap berikutnya dengan setiap tahap menaikkan tekanan dan suhu yang sedikit demi sedikit. Perubahan dalam tekanan dan suhu hanya terjadi pada kompresor berputar di mana energi dimasukkan ke dalam sistem. Pendekatan heuristik untuk kompresor beberapa tahap menyebabkan kenaikan energi secara konstan Kenaikan energi per tahap dapat ditulis sebagai berikut [11]:
E2 – E1=( U2 – U1) + mg(H2 - H1) + v22)
Dimana H1,H2 merupakan total energi yang masuk ke sistem NS merupakan stage pada kompresor. Jika diasumsikan Cp dan γ konstan, maka persamaan dapat ditulis menjadi:
1 m (v12 – 2 (2.10)
Substitusi persamaan 2.10 ke dalam persamaan 2.6 yang merupakan bentuk umum persamaan energi sehingga didapatkan persamaan sebagai berikut: Q=W + ( U2 – U1) + mg (H2 - H1) +
(2.4)
(2.5)
v22)
1 m (v12 – 2 (2.11)
2.3. Penelitian Sebelumnya Penelitian sebelumnya yaitu Tugas Akhir dari Nur Rohman Andik tentang prediksi rotasi kompresor menggunakan fuzzy logic pada fase cruise. Data cruise pada penelitian sebelumnya
menggunakan 4 parameter sebagai masukan yaitu: 1. Suhu udara luar (OAT) 2. Suhu gas buang (EGT) 3. kecepatan RPM low (N1) 4. Tekanan Oli Keluaran kecepatan RPM high (N2). Metode yang digunakan adalah fuzzy logic menghasilkan ketepatan prediksi 99.1% 2.4 Jaringan Syaraf Tiruan Jaringan syaraf tiruan dianalogikan sebagai sel syaraf biologi , yang pertama kali dibuat oleh Warren Mcculoch dan Pitts. Jaringan syaraf tiruan adalah pemrosesan suatu informasi yang terinspirasi oleh sistim sel syaraf biologi, sama seperti otak yang memproses suatu informasi. Jaringan syaraf tiruan, seperti manusia, belajar dari suatu contoh. Jaringan syaraf tiruan dibentuk untuk memecahkan suatu masalah tertentu seperti pengenalan kecepatan kompresor karena proses pembelajaran. Otak terdiri dari jutaan sel syaraf yang saling berhubungan. Sel syaraf mempunyai cabang struktur input (dendrites), sebuah inti sel dan percabangan struktur output (axon). Axon dari sebuah sel terhubung dengan dendrites yang lain melalui sebuah sinapsis. Sel badan sebagai tempat pengolahan informasi, jadi setelah di badan sel akan ke axon melalui sinapsis dari axon inilah akan menuju ke sel syaraf yang lain [2].
Gambar 3.1 Flow Chart Penelitian
Gambar 3.2 Flow Chart JST [2]
Gambar 2.3 Susunan Syaraf Manusia III.
Metodologi Penelitian Pada bab ini akan dijelaskan tentang perancangan sistem dengan JST. Bagian bagian yang dicakup dalam perancangan sistem adalah proses training, validasi serta membuat estimasi kecepatan rotasi kompresor. Data yang digunakan adalah data performansi saat pesawat berada pada kondisi take off dan cruise. Adapun perencanaan sistem secara keseluruhan dapat digambarkan pada flowchart di bawah ini:
3.1 Studi Literatur Dalam studi literatur ini dilakukan kegiatan mencari materi atau teori penunjang yang berhubungan dengan kompresor axial flow serta pemodelan dengan JST. 3.2 Pengambilan Data dari PT Merpati Pemilihan data masukan keluaran diambil dari PT Merpati Maintenance Facilities. Data dibagi menjadi 2 yaitu data take off dan data cruise
1.
Data take off: Data yang diambil saat pesawat take off (lepas landas). Data masukan yang digunakan adalah kecepatan rotasi rendah (N1) dan suhu gas buang (EGT), dan OAT (suhu udara luar). Data keluaran adalah kecepatan rotasi tinggi (N2) 2. Data cruise: Data yang diambil saat pesawat berada pada posisi stabil di udara (cruise). Data masukan yang digunakan adalah EGT (suhu gas buang), kecepatan rotasi rendah (N1), fuel flow, tekanan oli, suhu oli, volume oli, OAT, air time, ketinggian, dan kecepatan pesawat. Data keluaran adalah kecepatan rotasi tinggi (N2) Data yang diambil untuk tugas akhir ini adalah pada saat pesawat take off dan cruise serta menggunakan data selama 6 bulan mulai dari Juli 2010 sampai Desember 2010, setelah dilakukan pengambilan data di lapangan, kemudian dilakukan perancangan topologi. Perancangan ini merupakan implementasi dari identifikasi model matematis jaringan syaraf tiruan (JST). Identifikasi jaringan syaraf tiruan dilakukan berdasarkan beberapa variabel-variabel fisis masukan-keluaran. Pasangan data masukan dan keluaran yang digunakan pada identifikasi ini terdiri dari 2 kondisi : 1. Data take off terdiri dari 3 masukan dan 1 keluaran. 2. Data Cruise terdiri dari 10 masukan dan 1 keluaran Pemilihan data masukan pada kedua kondisi di atas didasarkan persamaan 2.5 dan 2.11. Diasumsikan variabel yang berpengaruh pada estimasi kecepatan rotasi tinggi kompresor adalah kecepatan rotasi rendah, ketinggian, kecepatan pesawat, fuel flow, suhu udara luar, suhu gas buang, tekanan oli, suhu oli, volume oli serta air time sehingga pemilihan variabel mempengaruhi jumlah masukan. Keseluruhan variabel ini digunakan sebagai masukan pada rancangan jaringan syaraf tiruan dan dapat dilihat pada topologi JST di gambar 3.2 dan gambar 3.3 1.
Perancangan topologi N2 saat take off
Gambar 3.3 Topologi JST Take Off 2.
Perancangan prediktor N2 saat cruise
Gambar 3.4 Topologi JST Cruise Data masukan yang mempengaruhi kecepatan tinggi rotasi sesuai dengan hukum bernoulli ada 3 macam yaitu fuel flow, kecepatan serta ketinggian pesawat. Indikasi lain yang yang mempengaruhi performansi kompresor sehingga menyebabkan dilakukan perancangan jaringan syaraf tiruan yang bergantung pada beberapa variabel lain. Variabel tersebut digunakan sebagai pemilihan input JST. Di bawah ini merupakan penjelasan dari masing masing variabel 1. Suhu gas buang menandakan suhu gas keluaran pada saluran nya. Jika suhu gas buang kurang/melebihi dari limit bisa dipastikan kinerja kompresor saat itu sedang terganggu. 2. Kecepatan RPM rendah merupaan stage awal sebelum masuk di RPM tinggi (N2). 3. Fuel flow (aliran bahan bakar), bahan bakar sangat penting sebagai penggerak seluruh engine pesawat terutama kompresor. Jika fuel flow berkurang saat kondisi cruise bisa dipastikan mengalami flame out (mesin mati) 4. Tekanan oli, oli sebagai pelumas yang bergerak juga mendinginkan dan membuang panas mesin. Jika tekanan pelumas di bawah garis normal berarti pelumas tidak dipompa cukup untuk bersirkulasi ke seluruh mesin, sedangkan jika tekanan melewati batas berarti ada saluran yang tersumbat. 5. Suhu oli biasanya berbanding lurus dengan tekanan pelumas untuk memudahkan mengawasinya secara bersamaan. Jika temperatur oli naik maka tekanan oli juga akan naik. Nilai yang abnormal dapat berarti penyumbatan atau berkurangnya jumlah pelumas atau kesalahan pengukuran. 6. Volume oli, sebelum terbang harus yakin jumlah pelumas cukup dan jenis pelumas harus sesuai dengan rekomendasi pabrik Boeing. Jenis yang digunakan harus disesuaikan dengan kondisi sekitar daerah operasional pesawat 7. Air time adalah waktu yang dibutuhkan kompresor saat cruise, sehingga jika sudah
terlalu lama digunakan maka harus dilakukan maintenance. 8. Kecepatan pesawat merupakan gaya dorong dari pesawat yang disebabkan oleh udara yang telah dimampatkan oleh kompresor. 9. Ketinggian pesawat, pesawat Boeing 737300 ini terbang dengan ketinggian rata rata di atas 30000 kaki di mana memiliki atmosfer yang lebih tipis sehingga kinerja kompresor lebih ringan. 10. Suhu udara luar (OAT) berkaitan dengan tekanan, jika OAT pada saat take off besar maka tekanan nya semakin besar sehingga kinerja kompresor pada saat take off sedikit lebih berat dalam berotasi. Kondisi cruise suhu udara luar yang dingin (sampai minus derajat celcius) mengakibatkan tekanan nya berkurang sehingga dimungkinkan terbang lebih jauh dengan membawa beban lebih banyak (lebih berat) serta bahan bakar yang dibutuhkan pesawat lebih irit
Pada gambar 3.5 memiliki arsitektur JST 3 masukan, 8 hidden neuron, 1 keluaran atau arsitektur 3-8-1. Dari beberapa variabel tersebut, yang merupakan data masukan X1, X2, X3 adalah kecepatan rendah rotasi N1 (RPM) dan suhu gas buang EGT (Celcius), dan OAT, suhu udara luar (Celcius) sedangkan yang merupakan data keluaran adalah kecepatan tinggi rotor N2 (RPM). Selain itu juga terdapat bobot dan bias, nilai bias diawal yaitu 1. Gambar 3.6 menunjukkan suatu arsitektur JST saat kondisi cruise yang memiliki 10 masukan neuron, 8 hidden neuron serta 1 keluaran neuron ditulis sebagai arsitektur 10-8-1. Masukan nya adalah EGT (Celcius), kecepatan rotasi rendah N1 (RPM), fuel flow (PPH), tekanan oli (psi), suhu oli (Celcius), volume oli (Liter), OAT (Celcius), air time (Menit), ketinggian (Feet), dan kecepatan pesawat (Mach). Sedangkan yang merupakan data keluaran adalah kecepatan rotasi tinggi N2 (RPM).
3.3 Perancangan Menggunakan JST Pemodelan plant dilakukan menggunakan jaringan syaraf tiruan dengan Multi Layer Perceptron (MLP). Arsitektur struktur JST Multi layer perceptron ini terdiri dari dua layer yaitu input layer, hidden layer, dan output layer. Pada tugas akhir ini dilakukan eksperimen untuk mendapatkan arsitektur struktur JST yang dapat memodelkan plant secara tepat. Dari beberapa kali percobaan dengan merubah parameter training diperoleh kondisi terbaik, kondisi ini didasarkan dari nilai RMSE dan VAF. Nilai RMSE baik jika memiliki nilai yang mendekati 0 (nol) sedangkan nilai VAF baik jika nilai nya semakin besar yaitu mendekati 100%. Kriteria pemilihan kontruksi jaringan didasarkan pada nilai RMSE dari proses training tersebut. Di bawah ini merupakan bentuk konstruksi jaringan yang telah didapatkan, yaitu dengan menggunakan 8 hidden node dan fungsi aktivasi berupa fungsi sigmoid.
Gambar 3.6 Arsitektur JST saat Cruise
Gambar 3.5 Arsitektur JST saat Take Off
IV. Analisa data dan Pembahasan Dalam bab ini akan dibahas mengenai uji coba dan analisa data kecepatan rotasi tinggi kompresor (N2) pada 2 kondisi yaitu saat take off dan cruise. Proses analisa dari uji coba training menggunakan JST backpropagation ini mempunyai tujuan untuk merancang soft sensor kecepatan rotasi kompresor dengan metode jaringan syaraf tiruan backpropagation algoritma gradient descent with momentum. Dalam proses training dilakukan secara trial and error untuk nilai learning rate, nilai momentum, epoch, serta jumlah neuron tiap unit. JST hasil training akan diuji dengan beberapa data yang lain. 4.1 Hasil Take Off Di bawah ini adalah beberapa parameter optimal yang ditandai dengan kemampuan jaringan dalam melakukan pengenalan target yang diberikan. Batasan parameter untuk training pada take off antara lain:
1. Epoch = 2000 2. Hidden node =8 3. Learning rate = 0.8 4. Konstanta momentum = 0,3 Nilai RMSE yang dihitung adalah 3.20E-05 berdasar dari hasil itulah maka dapat dinyatakan bahwa proses training yang telah dilakukan menunjukkan hasil terbaik dari beberapa proses training yang telah dilakukan karena nilai RMSE nya kecil atau error yang dihasilkan kecil mendekati nol sedangkan VAF bernilai 99.916%. setelah mengetahui nilai VAF dan RMSE, maka akan membuat estimasi nilai N2
Gambar 4.1 Estimasi N2 pada Take Off Hasil estimasi N2 saat take off dan dapat dibandingkan dengan hasil real plant dengan asumsi nilai masukan nya sama. Besar error rata rata 0,2 sehingga soft sensor kecepatan rotasi kompresor N2 ini akurat jika diaplikasikan. 4.2 Hasil Cruise
Di bawah ini adalah beberapa parameter optimal yang ditandai dengan kemampuan jaringan dalam melakukan pengenalan target yang diberikan. Batasan parameter untuk training pada cruise antara lain 1. Epoch = 2000 2. Hidden node =8 3. Learning rate = 0.2 4. Konstanta momentum = 0.75 Dalam proses training akan keluar nilai berupa RMSE yang muncul jika data telah di training. Terdapat 279 data, data yang digunakan saat training cruise yaitu sebanyak 200 data, antara 1 – 200 data, setelah mencapai nilai epoch yang ke 2000, nilai RMSE yang dihitung adalah 8.04E05. Nilai RMSE yang ditunjukkan nilai nya semakin kecil mendekati 0 jadi dapat disimpulkan pada training cruise yang dilakukan telah berhasil sedangkan nilai VAF mencapai 100%. setelah mengetahui nilai VAF dan RMSE, maka akan membuat estimasi N2
Gambar 4.2 Estimasi N2 pada Cruise Hasil estimasi N2 saat cruise dan dapat dibandingkan dengan hasil real plant dengan asumsi nilai masukan nya sama. Besar error rata rata adalah 0,7 sehingga soft sensor kecepatan rotasi kompresor N2 ini cukup bagus jika diaplikasikan V Kesimpulan dan Saran 5.1 Kesimpulan Penelitian yang telah dilakukan dengan judul ”Perancangan soft sensor kecepatan rotasi kompresor mesin pesawat Boeing 737-300 tipe CFM55-3-B1 dengan jaringan syaraf tiruan”, maka dapat disimpulkan bahwa: 1. Telah dibuat soft sensor nilai kecepatan rotasi kompresor secara komputerisasi menggunakan jaringan syaraf tiruan backpropagation algoritma gradient with descent momentum. 2. Hasil training dan validasi menggunakan JST terhadap kecepatan rotasi tinggi N2 dengan tiga variabel masukan saat take off yaitu suhu udara luar, kecepatan rendah rotor N1, dan suhu gas keluaran menghasilkan ketepatan prediksi sebesar 99.916% serta RMSE 3.20E-05 sedangkan error pada pengujian soft sensor saat take off adalah 0,2. 3. Hasil training dan validasi menggunakan JST terhadap kecepatan rotasi tinggi N2 dengan sepuluh variabel masukan saat cruise yaitu suhu udara luar, kecepatan rendah rotor N1, suhu gas keluaran, volume oli, suhu oli, tekanan oli, fuel flow, air time, ketinggian dan kecepatan pesawat menghasilkan ketepatan prediksi sebesar 99 % serta RMSE 4.20E-05 sedangkan error pada pengujian soft sensor saat cruise adalah 0,7. 5.2 Saran Saran yang diusulkan untuk penyempurnaan pada penelitian ini adalah:
1. Melakukan penelitian tentang vibrasi dan akustik dari engine pesawat karena engine tersebut menghasilkan suara yang keras, mengganggu indera pendengaran sehingga masih terasa di kabin pesawat pada saat kondisi cruise. 2. Melakukan penelitian alat navigasi pada pesawat serta komunikasi antara ATC dengan pilot DAFTAR PUSTAKA [1]www.crayonpedia.com/bab16_turbingas_sunyoto. sunyoto. 17 Maret 2010. 15.54 [2]www.materikuliah.com/pengantarjaringansyaraftiruan. Eliyani. Copyright 2005. [3] Rohman, Nur. 2011. Prediksi perawatan kecepatan rotasi kompresor pesawat Boeing 737 seri 300 tipe CFM56-3-B1 menggunakan Logika Fuzzy. Surabaya. Teknik Fisika. ITS. [4] Ukkas, Iwan. 2006. Pemanfaatan Jaringan Syaraf Tiruan Multi Layer Perceptron Feed Forward menggunakan Hidden Layer Tunggal Pada Penentuan Curah Hujan dan suhu Udara. Jogjakarta. Ilmu Komputer. Pasca Sarjana UGM.
[5] Puspitanigrum, Dyah. 2006. Pengantar Jaringan Syaraf tiruan. Yogyakarta. Penerbit Andi. [6] Al Rasyid, Harun. 2010. Peramalan time series harga saham multikriteria menggunakan multilayer preceptron neural network bakcpropagation dengan exponential learning [7] rate. Surabaya. Teknik Informatika.PENS Surabaya. [8] http://www.free-online-private-pilot-ground-
[9] [10] [11]
[12] [13]
school.com/turbine-engines.html Suryawan, Adhi. “Kontur Tekanan Dinamis Pada Permukaan Atur Sisi Keluaran Kaskade Kompresor Aksial Blade Tipis Simetris dengan Sudut Serang Simetris. Bali. Teknik Mesin Universitas Udayana http://id.wikipedia.org/wiki/Prinsip_Bernoulli. 27 Juni 2011. 01:59,. Falck, Nicholas. 2008. Axial Flow Mean Line Design. Master Thesis Division of Thermal Power Engineering Department of Energy Sciences Lund University, Sweden. Boyce, Maherwan. Axial Flow Compressor. Kirby Drive. Houston.
Yahya. 1997. Turbines Compressors and Fans. Indian Institute of Technology. New Delhi.
BIODATA
Nama : Silvia Dwi Kinaka Temtala: Mojokerto, 9 Juli 1988 Alamat : Jl Sakti 1 N0 21 Komplek Pajak Kemanggisan Slipi Jakarta Barat. E-mail :
[email protected] Pendidikan : SDN Randuagung III SMPN 3 Gresik SMAN 1Gresik D3 Teknik Instrrumentasi Teknik Fisika ITS
(1994-2000) (2000-2003) (2003-2006) (2006-2009) (2009 - sekarang)
