Prosedur Penelitian METODOLOGI PENELITIAN

44 d. Hasil rancangan GUI Gambar 21. hasil rancangan dengan GUI e. Tahap selanjutnya adalah tahapan yang paling rumit dan menyita waktu yang cukup lama yaitu memasukan perintah fungsi code coding supaya aplikasi dapat mengukur suhu dari sebuah citra secara real time. Gambar 22. fungsi code coding f. Tampilan GUI yang sudah dijalankan dan siap untuk memproses citra berformat .jpg 45 Gambar 23. Tampilan aplikasi thermovision real-time setelah dijalankan Aplikasi thermovision real-time yang dibuat bekerja dengan memanfaatkan fitur FTP File Transfer Protocol yang ada pada ip camera, di mana dengan memanfaatkan ip pada kamera dan router gambar yang dikirim oleh kamera dihubungkan dengan router yang nantinya akan diterima laptop, imej yang dikirm ke router dan laptop adalah imej per satu detik dan disimpan di direktori yang sudah ditentukan. Kemudian gambar tersebut ditampilkan ke dalam interface matlab dengan menggunakan fungsi kode timer. Untuk menangkap gambar yang dibutuhkan dapat menggunakan fungsi capture, sehingga secara otomatis gambar tersebut berhenti bergerak dan siap diproses untuk melihat distribusi suhu dan histogram-nya dengan menggunakan tombol EXE. 46 Gambar 24. Aplikasi thermovision menangkap gambar secara real- time. Aplikasi ini membedakan suhu mesin berdasarkan warna yang ditampilkan, di mana semakin panas suhu mesin tersebut semakin merah juga warna yang ditampilkan oleh aplikasi thermovision. Gambar 25. imej hasil capture dengan menggunakan kamera infra merah 47 Gambar di atas adalah imej yang ditangkap dengan menggunakan kamera infra merah, imej yang ditangkap dengan menggunakan kamera infra merah masih berupa gambar RGB. Dengan aplikasi thermovision gambar RGB tersebut dikonversi menjadi thermal image dengan memanfaatkan fungsi colormapjet untuk mengetahui warna distribusi suhunya. Gambar 26. imej setelah diproses dengan aplikasi thermovision Sedangkan untuk mengetahui distribusi suhu pada bagian mesin tertentu bisa menggunakan tombol region corp, tombol region corp ini akan menampilkan sebuah batasan ukur yang dinginkan oleh user dan hasil pengukurannya ditampilkan pada axes yang sudah disediakan pada interface thermovision. g. Pengujian aplikasi thermovision real-time pada pemantauan kondisi mesin frais. 48 Sesuai dengan syarat dari aplikasi thermovision agar dapat bekerja adalah harus diketahui terlebih dahulu temperatur maksimum Tmax dan temperatur minimum Tmin saat terjadi proses pemesinan. Untuk mengetahui Tmax dan Tmin saat terjadi proses pemesinan maka digunakan sebuah termokopel yang ditempelkan pada transmisi, spindel dan motor mesin frais. Selama proses pemesinan berlangsung didapatkan Tmax yang didapat sebesar 50 C yaitu pada bagian motor mesin frais dan Tmin sebesar 30 C. Sehingga syarat untuk melakukan pengukuran dengan aplikasi thermovision sudah dapat dipenuhi. Pada aplikasi thermovision pengukuran suhu mesin dilakukan dengan mengambil sampel kordinat temperature area digambar dengan objek pada bagian spindle, transmisi dan motor mesin frais karena ketiga objek ini adalah bagian mesin yang bergerak dan menghasilkan panas yang nantinya akan dihitung suhunya dengan aplikasi thermovision. 49 2. Set-up peralatan eksperimen penelitian Gambar 27. Set-up Mesin Frais Pada tahapan mula ini dilakukan instalasi set-up mesin berupa penempatan kamera berinframerah yang berada disamping mesin. Selanjutanya sebagai media penerima image video maka kamera berinframerah disambungkan oleh router dan sebuah laptop untuk mengambil video dari proses pengerjaan pemesinan. 3. Proses pengambilan data Setelah mesin di set-up seperti Gambar 28, maka proses pengambilan data dapat dilakukan. Proses pengambilan data ini dilakukan untuk mendapatkan image dari proses pengerjaan frais. adapun tahapan pelaksanaan awal untuk pengambilan data sebagai berikut : 50 a. Melakukan set-up mesin frais seperti yang dilihatkan pada Gambar 28. b. Menghidupkan mesin frais tanpa melakukan pemotongan dengan meja diam, yaitu dengan hanya menghidupkan main motor dan spindel mesin frais selama 6 jam, lalu meng-capture kinerja main motor dan spindle setiap 15 menit dan mengukur suhu mesin menggunakan termokopel setiap 1 jam untuk melihat perkembangan suhunya. c. Menghidupkan mesin frais tanpa pemotongan dengan meja bergerak, yaitu dengan menghidupkan main motor mesin frais, spindle dan menggerak-gerakan meja table selama 6 jam, lalu meng-capture kinerja main motor dan spindel setiap 15 menit dan mengukur suhu mesin menggunakan termokopel setiap 1 jam untuk melihat perkembangan suhunya. d. Menghidupkan mesin frais dengan pembebanan penuh, yaitu dengan melakukan pemotongan material baja AISI 1045 dengan menggunakan pahat end mil karbida selama 6 jam dengan kedalaman potong 0,25 mm, lalu meng-capture proses pemotongan spesimen setiap 15 menit dan mengukur suhu mesin menggunakan termokopel setiap 1 jam untuk melihat perkembangan suhunya. e. Pengukuran menggunakan termokopel dilakukan pada motor, spindel dan transmisi mesin frais. 51 Gambar 28. Titik pengukuran dengan menggunakan termokopel f. Mengamati dan menganalisa kondisi mesin dari warna yang ditampilkan oleh thermovision. 4. Pengolahan data video dengan thermovision real-time Pengolahan citra hasil pengambilan data diolah menggunakan aplikasi matlab dengan menggunakan aplikasi thermovision real-time. GUI interface yang sudah dimasukan fungsi kode dapat merubah citra berformat .jpg menjadi thermal image dan histogram. Selanjutnya menentukan suhu pada titik pengukuran dengan menggunakan fitur region corp. 5. Analisa Data Data yang telah didapatkan dengan menggunakan aplikasi thermovision kemudian dianalisa. Analisa data dilakukan setelah mendapatkan citra terbaik dari proses pengujian 15 menit, 30 menit, 45 menit dst dengan menampilkan suhu mesin. Selanjutnya data yang telah dianalisa 52 ditampilkan dalam bentuk histogram untuk melihat perkembangan suhu yang terjadi selama proses pemesinan. 72

V. SIMPULAN DAN SARAN

A. SIMPULAN

Adapun kesimpulan yang dapat diambil dari hasil penelitian yang telah dilakukan adalah : 1. Aplikasi thermovision real-time berhasil dibuat dengan menggunakan fitur FTP file transfer protokol, yang memungkinkan menangkap gambar per 1 detik secara terus menerus. 2. Setelah melakukan penelitian, kondisi mesin dengan melakukan pemotongan menghasilkan distribusi panas yang lebih banyak dari pada tidak melakukan pemotongan, hal ini dibuktikan dengan distribusi warna pada titik pengukuran yang mendekati warna merah. 3. Aplikasi thmermovision real-time menunjukan bahwa distribusi suhu paling besar terjadi pada daerah motor mesin frais. 4. Secara keseluruhan aplikasi thermovision dapat mendistribusikan warna dengan tepat, hanya saja untuk melakukan pengukuran belum akurat karena adanya noise yang tertangkap kamera. 5. Karena adanya perkembangan suhu atau panas, grafik histogram memiliki nilai intensitas leibih tinggi pada area terang 125-250 dibandingkan dengan intensitas pada area gelap 0-125. 73 6. Grafik histogram merepresentasikan banyaknya intensitas cahaya pada gambar dengan menampilkan grafik pada kawasan gelap 0-125 dan pada kawasan terang 125-250.

B. SARAN

Adapun saran yang dapat diberikan penulis terhadap pengujian yang telah dilakukan adalah: 1. Perlu pemasangan filter infra merah pada kamera agar noise saat pengukuran berkurang 2. Melakukan pengembangan aplikasi thermovision real-time agar dapat menangkap gambar tanpa jeda 0 detik. 3. Perlu dilakukan pengujian lanjutan dengan variasi objek ukur dan kondisi yang berbeda untuk mengetahui pengaruhnya terhadap suhu yang terjadi. DAFTAR PUSTAKA Assauri, Sofyan. 2008, Manajemen Produksi dan Operasi, edisi revisi, Jakarta : Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia Asep Saepuloh, Kiswanto, Muh. Taufiq. 2012, Optimasi Perawatan Sistem Elektrik Untuk Mempertahankan Kelangsungan Operasi Rsg-Gas, Buletin Pengelolaan Reaktor Nuklir. Vol. 9 No. 2, Oktober 2012: 46 – 56 Avner, S.H. 1964. Introduction To Physical Metallurgy. Mc. Gran Hill, New York. Burhanudin, Yanuar.Wardono, Herry. Su’udi, Ahmad. 2012. Karakterisasi Penyalaan Geram Pada Pemesinan Kecepatan Tinggi Magnesium AZ31 dan Magnesium AZ91 Menggunakan Analisis Termografi dan Jaringan Syaraf Tiruan. UNILA. Lampung. D Clough, S Fletcher, A P Longstaff And P Willoughby. 2012, Thermal Analysis For Condition Monitoring Of Machine Tool Spindles, University Of Huddersfield, Uk. Darmawan, Budi. 2010. Studi Eksperimen Umur Lelah Baja Poros AISI 1045 Hasil Quenching-Tempering Variasi Temperatur Dan Waktu Temper Pada Uji Rotating Bending. Institute Teknologi Sepuluh November, Surabaya. Fadlisyah S.Si. 2007. Computer Vision dan Pengolahan Citra. CV Andi Offset. Yogyakarta. Franke, J Ӧ rg E. 2011, Experimental Evaluation of the Thermal Machine Tool Behavior for Model Updating, Institute for Manufacturing Automation and Production Systems, Germany Glyn, et.al. 2001. Physical Metallurgy of Steel. Class Notes and lecture material. For MSE 651.01 Handayani Peni,Trisno YP. 2008. Teknik Pemeliharaan dan Perbaikan Sistem Elektronika Jilid 1. Jakarta: Direktorat Pembinaan Sekolah Menengah Kejuruan, Direktorat Jenderal Manajemen Pendidikan Dasar dan Menengah, Departemen Pendidikan Nasional. Huda, Muhammad. 2010, Pengenalan Pola Citra Termografi Pada Pemantauan Kondisi Mesin Dengan Metode Pengolahan Citra Digital, Universitas Diponegoro, Semarang Ibrahim, C. 1986, Perkakas Bantu, Lab. Teknik Produksi Metrologi Industri, Jurusan Mesin, ITB. John M. Gross. Fundamental of preventive maintenance AMACOM, a division of american management association, 1601 broadway, new york, NY 10019 Lisysantaka, Eko . 2011, Sekilas Tentang Runtutan Sebab Akibat Perkembangan Dunia Maintenance, Universitas Diponegoro, Semarang. Mahrudi, Haris. 2013. Rancang bangung aplikasi thermovision untuk pemetaan distribusi suhu dan permulaan penyalaan pembubutan magnesium kecepatan tinggi. Universitas lampung, bandar lampung. Mobley, R. Keith. 2002, An Introduction To Predictive Maintenance Second Edition United States of America. Montgomery, Michael. 2010. Using IR Thermography as a Predictive Maintenance Tool in an Electronics Manufacturing Facility. 2033 East Boulevard, Kokomo, IN 46904 Ph: 765-451-1202.