bab 3 metode penelitian 3.1 alat dan bahanreferensi diambil dari buku, jurnal, dan artikel ilmiah....
TRANSCRIPT
13 Universitas Muhammadiyah Riau
BAB 3
METODE PENELITIAN
3.1 Tempat dan Waktu Penelitian
Penelitian ini dilakukan di Laboratorium Fisika Terpadu Universitas
Muhammadiyah Riau Pekanbaru. Waktu pelaksanaan penelitian dilakukan pada
bulan Januari 2019 sampai Juli 2019.
3.2 Alat dan Bahan
Alat dan bahan yang digunakan pada penelitian beserta kegunaannya, dapat
dilihat pada Tabel 3.1.
Tabel 3.1 Alat dan Bahan Penelitian beserta Kegunaannya
Alat dan Bahan Kegunaannya
1 Laser merah (650 nm) Sumber cahaya pada sistem LSI
2 Kamera (CMOS 30 fps) Menangkap citra spekel
3 Power suplay Memberi tegangan pada sumber
cahaya/laser
4 PC (Personal Computer) Image processing, GUI dan
pembuatan jaringan saraf tiruan
5 Kotak kedap cahaya (akrilik hitam) Tempat sistem LSI
6 Kuvet 10 ml Tempat sampel
7 Gelas ukur 100 ml Untuk mengukur volume cairan
8 Labu erlemeyer 10 ml Tempat pencampuran larutan
9 Timbangan digital Mengukur massa sampel
10 Pipet tetes Mengambil dan memasukkan
cairan ke kuvet
11 Pupuk urea (Non-subsidi dan
Subsidi) Sampel uji
12 Gibsum Sebagai bahan oplos sampel uji
13 Aquades Pelarut
14
Universitas Muhammadiyah Riau
3.3 Alur Penelitian
Alur Penelitian secara keseluruhan sistem identifikasi pupuk oplosan
dengan metode Laser Speckle Imaging (LSI) dan Jaringan Saraf Tiruan (JST)
Backpropagation dapat dilihat pada diagram alir dibawah ini (Gambar 3.1).
Gambar 3.1 Diagram Alir Penelitian
Studi literatur
Perancangan Alat Software Hardware
Pengujian Sistem
Preparasi Sampel
Pembuatan Model JST
Pembelajaran, Pelatihan, Pengujian Data
Konversi Pola Spekel ke RGB
Kesimpulan
Pengambilan Data (Pola Spekel)
Pembuatan GUI
15
Universitas Muhammadiyah Riau
3.3.1 Studi Literarur
Studi literatur berawal dari mencari referensi yang sesuai dengan masalah
yang dibahas. Referensi diambil dari buku, jurnal, dan artikel ilmiah. Keluaran
dari studi literatur ini adalah terkoleksinya referensi sesuian dengan perumusan
masalah. Tujuannya adalah untuk memperkuat permasalahan serta sebagai dasar
teori dalam melakukan penelitian.
3.3.2 Perancangan Sistem
3.3.2.1 Perancangan Hardware
Penelitian ini diawali dengan perancangan dan pembuatan sistem
identifikasi pupuk oplosan metode Laser Speckle Imaging (LSI) model forward
scattring. Alat yang dirancang terdiri dari sebuah Kotak akrilik hitam dengan
ketebalan 3 mm, dan memiliki dimensi 50x10x10 cm. Pada bagian dalam kotak
akrilik hitam terdiri atas tiga area yaitu: sumber cahaya, tempat dudukan sampel
dan kamera. Jarak antara kamera dengan sampel dibuat dengan jarak 4 cm. Laser
diposisikan secara horizontal berjarak 30 cm dari posisi sampel, bekerja pada
sumber tegangan 3 Volt. Sumber cahaya yang digunakan yaitu sinar laser merah
koheren dengan panjang gelombang 650 nm. Dudukan sampel diletakkan antara
laser dan kamera yang saling berhadapan. Sampel yang sudah dicairkan
dimasukkan ke dalam kuvet 10 ml. Kuvet disinari dengan laser kemudian sinar
hamburan ditangkap oleh kamera CMOS 30 fps (frame per second). Bentuk
rancangan sistem LSI model forward scattring identifikasi pupuk oplosan dapat
diamati pada Gambar 3.2.
Gambar 3.2 Rancang Sistem Alat Identifikasi Pupuk Oplosan
16
Universitas Muhammadiyah Riau
3.3.2.2 Perancangan software
Perancangan perangkat keras (hardware) yang dirancang tidak akan dapat
bekerja jika tidak disertai dengan perangkat lunak (software). Perancangan
perangkat lunak menggunakan software MATLAB seri 2015a. Perancangan
software melewati 3 tahap yaitu, penetapan algoritma, pembuatan flowchart, dan
pembuatan program. Flowchart sistem LSI identifikasi pupuk dapat dilihat pada
Gambar 3.3.
Tidak
Ya
Gambar 3.3 Flowchart Sistem LSI Identifikasi Pupuk Oplosan
Sampel
Laser ditembakkan
Kamera
menangkap
sinar laser
frame
Mulai
Selesai
17
Universitas Muhammadiyah Riau
3.4 Pengujian Sistem
3.4.1 Pengujian Hardware
Pengujian hardware dilakukan untuk membuktikan alat dapat bekerja sesuai
yang diharapkan dengan menggunakan metode Laser Speckle Imaging (LSI)
model forward scattring. Penyinaran dilakukan untuk memperoleh nilai pola
spekel dari hamburan sinar laser yang dihamburkan oleh permukaan sampel.
Perekaman kontras spekel dilakukan di dalam kotak kedap cahaya yang dibuat
dari bahan akrilik tipe hitam solid dengan ketebalan 3 mm. Perekaman dilakukan
oleh kamera CMOS, kemudian hasil rekaman diproses dan disimpan dalam
personal computer (PC) menggunakan software MATLAB 2015a.
3.4.2 Pengujian Software
Kamera dihubungkan ke Personal Computer (PC), kemudian alat dijalankan
dengan menekan tombol run di layar monitor dengan tampilan GUI. Sampel
ditembak dengan laser, kemudian kamera menangkap cahaya hamburan dari
sampel selama 1 detik dalam bentuk video. Format video dikonversi menjadi 5
frame (gambar) pola spekel, baik video maupun frame tersimpan secara otomatis
di folder khusus. Proses ini menunjukkan bahwa program yang dibuat untuk
mendapatkan pola spekel dalam bentuk frame telah berhasil.
3.5 Preparasi Sampel
Sampel terdiri dari pupuk urea murni non-subsidi, pupuk urea subsidi dan
pupuk oplosan (subsidi dan gibsum) dengan perbandingan 3gr, 5gr, 7gr, 9gr.
Total keseluruhan sampel terdiri dari 6 sampel yang diuji. Pembuatan sampel
pupuk murni non-subsidi dan subsidi dengan masing-masing massa 5 gr kemudian
dicairkan dengan aquades sebanyak 20 ml (Gambar 3.4). Sampel murni antara
pupuk urea non-subsidi dan pupuk urea subsidi memiliki perbedaan dari segi
warna. Pupuk murni urea non subsidi memiliki warna putih bening sedangkan
untuk pupuk murni urea subsidi memiliki warna merah. Sampel pupuk oplosan
(subsidi dan gibsum) memiliki beberapa perbandingan campuran dengan massa
yang sudah ditentukan (Tabel 3.2). Pupuk oplosan yang sudah dicampur
kemudian dilarutkan dengan aquades sebanyak 20 ml (Gambar 3.5). Sampel yang
diuji kemudian dimasukkan ke dalam kuvet kaca yang berukuran 10 ml.
18
Universitas Muhammadiyah Riau
Tabel 3.2 Perbandingan campuran pupuk oplosan
No Massa
( gr )
Pupuk subsidi
(gr)
Gibsum
(gr)
1 3 1 2
2 5 2 3
3 7 3 4
4 9 4 5
Gambar 3.4 Sampel Pupuk Urea Non-Subsidi dan Subsidi
Gambar 3.5 Sampel Pupuk Oplosan dengan Perbandingan
3 gr, 5 gr, 7 gr, dan 9 gr
3.6 Pengambilan Data
Penyinaran LSI dilakukan pada sampel murni dan oplosan. Sumber sinar
berasal dari laser module dengan panjang gelombang 650 nm dan sensor deteksi
hamburan laser yang digunakan adalah kamera CMOS 30 fps. Pengambilan data
LSI dilakukan dengan menembakkan laser ke sampel uji, kemudian spekel
ditangkap dengan kamera dalam bentuk video dengan durasi 1 detik, lalu dirubah
dalam bentuk frame. Perekaman kontras spekel dilakukan pada sampel murni dan
19
Universitas Muhammadiyah Riau
sampel oplosan, setiap sampel terdapat 10 titik pengambilan secara acak. Satu
titik yang ditembakkan laser dilakukan 5 kali pengulangan, dimana satu kali
pengulangan menghasilkan 5 frame/gambar. Total perekaman dari 6 sampel
menghasilkan 1.500 frame.
3.7 Konversi Frame ke Nilai RGB
Proses pengubahan data frame yang diperoleh dari sistem LSI ke nilai RGB
menggunakan software MATLAB seri 2015a. Hasil konversi frame menjadi nilai
RGB tersimpan secara otomatis dengan format Microsoft Excel ketika program
dijalankan. Satu sampel dengan 10 titik pengambilan dan 5 kali pengulangan
menghasilkan 250 frame. Total Frame yang dihasilkan dari 6 sampel adalah 1500
frame. Flowchart proses konversi dapat dilihat pada Gambar 3.6.
Tidak
Ya
Gambar 3.6 Flowchart Proses Konversi Frame ke Nilai RGB
frame
Mulai
Inisialisasi panjang dan lebar frame
Mencari luas foto
Inisialisasi
nilai RGB
RGB
Selesai
20
Universitas Muhammadiyah Riau
3.8 Pembuatan Model JST
Penelitian ini menggunakan metode JST Backpropagation. Sistem ini
merupakan Multi layer network yang menggunakan layer 500, 300, dan 6. Setiap
neuron pada satu layer menerima masukan dari semua neuron layer sebelumnya.
Data masukan akan diterima oleh semua layer pertama (X1,X2,X3, hingga Xke500),
Kemudian dari lapisan pertama data akan diproses kembali pada lapisan kedua.
Dimana semua neuron lapisan kedua (YX1, YX2, YX3, YX4, YX5, hingga YX ke300)
menerima data masukan dari lapisan pertama. Selanjutnya dari lapisan kedua data
akan diproses kembali pada lapisan terakhir. Target yang ditetapkan dinyatakan
dalam nilai binner 1 dan 0 seperti pada Tabel 3.3. Iterasi maksimum yang
digunakan dalam proses pembelajaran JST adalah 50000 dengan nilai error
minimum 0,0001.
Tabel 3.3 Nilai Target Sampel
No Sampel
Target
Non-
Sub Sub
Oplosan
3 gr
Oplosan
5 gr
Oplosan
7 gr
Oplosan
9 gr
1 Pupuk Murni
Urea Non-
Subsidi
1 0 0 0 0 0
2 Pupuk Murni
Urea Subsidi 0 1 0 0 0 0
3 Pupuk Oplosan
Subsidi+Gibsum
3 gr
0 0 1 0 0 0
4 Pupuk Oplosan
Subsidi+Gibsum
5 gr
0 0 0 1 0 0
5 Pupuk Oplosan
Subsidi+Gibsum
7 gr
0 0 0 0 1 0
6 Pupuk Oplosan
Subsidi+Gibsum
9 gr
0 0 0 0 0 1
21
Universitas Muhammadiyah Riau
Pembuatan JST memerlukan 3 tahap sampai didapatkan model yang sesuai
dengan kebutuhan yang meliputi; proses pembelajaran, pelatihan dan pengujian.
3.8.1 Proses Pembelajaran
Data pembelajaran yang digunakan adalah nilai RGB dari 6 sampel. Total
data RGB yang didapat secara keseluruhan dari ke-6 sampel yaitu sebanyak
1.500. Satu sampel memiliki 250 data RGB. Data yang dijadikan sebagai data
pembelajaran diambil sebanyak 200 dan sisanya 50 data akan dijadikan sebagai
data uji. Hal ini juga berlaku untuk ke-5 sampel lainnya, sehingga total data yang
digunakan sebagai pembelajaran adalah sebanyak 1.200.
3.8.2 Proses Pelatihan Data
Data yang digunakan untuk pelatihan diambil secara acak dari data
pembelajaran sebanyak 50 nilai RBG dari masing-masing sampel. Total data
pelatihan dari 6 jenis sampel adalah 300 nilai RGB. Ketika program dijalankan
hasil akan dimunculkan dengan format microsoft excel dalam 6 kolom yang
masing-masing memiliki 300 baris data. Lalu data kolom pertama dikelompokkan
dengan cara mengambil setiap 50 baris, begitu juga dengan 5 kolom yang
berikutnya.
3.8.3 Proses Pengujian Data
Pada proses pengujian, data yang digunakan adalah 50 data yang belum
dipelajari dari masing-masing sampel. Total data pengujian sebanyak 300 nilai
RGB. Program dan langkah-langkah pengelompokan data yang digunakan untuk
proses pengujian sama dengan proses pelatihan.
3.9 Pembuatan GUI untuk Tampilan Hasil Identifikasi Jenis Pupuk
MATLAB GUI dirancang untuk menampilkan pola spekel, nilai RGB, dan
hasil identifikasi jenis pupuk sekaligus menampilkan tombol untuk menjalankan
program. Hasil Output yang ditampilkan pada GUI berupa indikator warna
sebagai pengenalan sampel; pupuk murni non-subsidi, murni subsidi dan oplosan
(dengan perbandingan 3 gr, 5 gr, 7 gr, dan 9 gr). Warna indikator menyala ketika
sistem mengenali setiap jenis sampel dengan warna hijau. Flowchart pembuatan
GUI dapat dilihat pada Gambar 3.7.
22
Universitas Muhammadiyah Riau
Tidak
Ya
Tidak
Ya
Tidak
Ya
Gambar 3.7 Flowchart Pembuatan GUI
Uji
Latih
Analisis
GUI
Selesai
Mulai
Data RGB
Pelajari