RANCANG BANGUN ALAT PENDETEKSI KEBOCORAN FLUIDA GAS PADA SISTEM PERPIPAAN BERDASARKAN METODE PRESSURE DROP ANALYSIS BERBASIS MQTT, WEBSITE DAN MODUL LORA32 923 MHZ

Raharjo, Donny Trisandi (2022) RANCANG BANGUN ALAT PENDETEKSI KEBOCORAN FLUIDA GAS PADA SISTEM PERPIPAAN BERDASARKAN METODE PRESSURE DROP ANALYSIS BERBASIS MQTT, WEBSITE DAN MODUL LORA32 923 MHZ. Diploma thesis, Politeknik Perkapalan Negeri Surabaya.

[img] Text
0918040062 - Donny Trisandi Raharjo - Rancang Bangun Alat Pendeteksi Kebocoran Fluida Gas Pada Sistem Perpipaan Berdasarkan Metode .pdf
Restricted to Repository staff only

Download (4MB)

Abstract

Ketersediaan gas bertekanan yang sesuai dengan kebutuhan suatu proses distribusi maupun proses manufaktur merupakan sebuah hal yang sangat penting untuk diperhatikan. Teknologi infrastruktur sistem perpipaan yang sedang berkembang, penggunaan pipa sebagai media perantara fluida mengalir menjadi salah satu hal yang penting untuk dianalisa. Penelitian Tugas Akhir ini mengembangkan Prototype uji coba berupa sistem perpipaan yang dianalisa meggunakan metode Pressure Drop dilengkapi dengan sensor tekanan dan metode klasifikasi data mining K-Near Neighbour (KNN) serta Gaussian Naïve Bayes (G-NB) yang mampu mendeteksi kebocoran gas dengan klasifikasi kebocoran; aman, kecil, sedang, dan besar. Penggunaan sensor tekanan memiliki persentase error sebesar 18% sebelum dikalibrasi dengan metode Regresi Linier dan persentase error turun menjadi 5% setelah kalibrasi. Klasifikasi KNN mendeteksi kebocoran melalui perbandingan data uji dengan data latih sementara metode G-NB mendeteksi kebocoran berdasarkan nilai probabilitasnya. Metode klasifikasi G-NB dianggap lebih akurat karena terbukti memliki persentase akurasi sebesar 91,25% sedangkan untuk metode KNN memiliki persentase akurasi sebesar 86,25%. Proses pengiriman data yang dikembangkan pada penelitian ini menggunakan sistem komunikasi LoRaWAN melalui platform IoT Antares pada modul TTGO LoRa32 923 MHz dengan protokol MQTT dan Website. Sistem komunikasi yang dirancang memperoleh persentase keberhasilan tertinggi sebesar 88% dengan jangkauan optimal mencapai 3 kilometer.

Item Type: Thesis (Diploma)
Additional Information: NO. INVENTARIS : 6799/TO-18/2022 LOKASI TA : 500
Uncontrolled Keywords: Gaussian Naïve Bayes, K-Near Neighbour, Regresi Linier, LoRa, Sistem Perpipaan
Subjects: TO - Teknik Otomasi > Rancang Bangun Sistem Otomasi
Divisions: Jurusan Teknik Kelistrikan Kapal > D4 Teknik Otomasi
Depositing User: Unnamed user with email repository@ppns.ac.id
Date Deposited: 19 Jan 2023 03:14
Last Modified: 19 Jan 2023 03:14
URI: http://repository.ppns.ac.id/id/eprint/4768

Actions (login required)

View Item View Item