1 Pendahuluan
Pada praktikum ini, praktikan melakukan beberapa percobaan pada kit model tangki cairan.
Pada percobaan pertama, dilakukan pengukuran pada saat fluida di dalam gelas ukur berada di
kapasitas volume 0%, 50%, dan 100%. Pengukuran ini dilakukan dengan sensor berat ditambah
dengan bacaan manual, untuk kemudian dilakukan kalibrasi dan adjustment pada percobaan
kedua.
Pada percobaan ketiga, dilakukan uji transien dengan dua kali pengisian dan pengosongan
tangki (dari 0% hingga 100%, lalu kembali ke 0%). Melalui percobaan ini, hasil regresi
nantinya akan dimanfaatkan untuk melakukan kalibrasi dan evaluasi karakteristik dinamik
sensor flow. Percobaan uji transien dilakukan dua kali untuk membandingkan kedua kondisi
uji akan hasil kalibrasi dan identifikasi sistem orde 1 mana yang lebih baik. Setelah itu,
dilakukan adjustment aliran keluar pada percobaan ke-4.
Pada percobaan kelima, dilakukan uji transien lagi untuk kedua kalinya. Kali ini, uji transien
mengukur aliran masuk dengan kekuatan pompa dari 100%, 95%, 90%, dan 85%. Data yang
didapat kemudian digunakan untuk melakukan adjustment pada flowmeter 1 (pada aliran
masuk) untuk percobaan ke-6.
2 Studi Pustaka
Pada suatu alat ukur, karakteristik statik adalah sifat dari sebuah alat ukur yang nilainya tidak
bergantung pada waktu. Terdapat beberapa karakteristik statik dari alat ukur, antara lain adalah
span, offset/bias, akurasi, presisi, linearitas, histerisis, dead zone, dan sensitivitas.
Span adalah selisih antara nilai maksimum dan minimum yang terukur, dapat dihitung dengan
rumus:
1
Modul 03: Pengukuran Fluida
𝐼 𝐼
𝑠𝑝𝑎𝑛 = −
𝑂𝑚𝑎𝑥 𝑂𝑚𝑖𝑛
Sementara itu, offset/bias adalah nilai perbedaan rata-rata output dari alat ukur dengan nilai
standar untuk input yang sama. Dapat dihitung dengan rumus:
𝑏𝑖𝑎𝑠 = |𝑥𝑏𝑒𝑛𝑎𝑟 − 𝑥̅ |
Lain halnya dengan akurasi dan presisi, yang sering menimbulkan kebingungan antara
keduanya. Akurasi adalah kemampuan alat ukur untuk mendapatkan hasil ukur yang dekat
dengan nilai sebenarnya dari objek, sementara presisi adalah kemampuan alat ukur untuk
mendapatkan hasil ukur yang konsisten, dengan hasil yang mendekati nilai satu sama lain
setiap pengukuran. Rumus akurasi dan presisi adalah sebagai berikut:
𝑏𝑖𝑎𝑠 3𝜎
𝑎𝑘𝑢𝑟𝑎𝑠𝑖 = (1 − ) . 100%; 𝑝𝑟𝑒𝑠𝑖𝑠𝑖 = (1 − ) . 100%
𝑥𝑏𝑒𝑛𝑎𝑟 𝑥̅
Linearitas adalah keselarasan antara nilai output dan input dari pengukuran. Suatu sistem yang
linear memiliki model matematis umum sebagai berikut:
𝑂 = 𝐾𝐼 + 𝑎
di mana K merupakan perbandingan selisih output (maksimum dan minimum) dan selisih input
(maksimum dan minimum) dan a sebagai nilai offset/bias. Kebalikan dari linearitas,
nonlinearity adalah ketidaklinearan dari sistem pengukuran.
Histerisis adalah nilai perbedaan antara output pengukuran dua arah yang terjadi akibat adanya
perubahan-perubahan sebelumnya yang terukur pada sistem. Histerisis dapat hihitung dengan
rumus:
Dead zone adalah area alat ukur yang tidak dapat mendeteksi masukan, sehingga perubahan
pada keluar bernilai 0, dan sensitivitas adalah rasio dari perubahan output terhadap perubahan
input yang menunjukkan kepekaan suatu alat ukur terhadap nilai yang diukur. Sensitivitas
dapat dihitung dengan rumus:
𝑑𝑂
𝑠𝑒𝑛𝑠𝑖𝑡𝑖𝑣𝑖𝑡𝑎𝑠 =
𝑑𝐼
Pada pengukuran fluida, hubungan perubahan level fluida pada tangki, laju aliran masuk, dan
laju aliran keluar dapat digambarkan melalui persamaan:
2
Modul 03: Pengukuran Fluida
𝑑𝑉1 ^ = 𝐹1 ^ − 𝐹2 ^
di mana dV1^ adalah perubahan level cairan, F1^ adalah laju aliran masuk, dan F2^ adalah laju
aliran keluar.
Hasil dan analisis yang dilakukan terhadap data pengukuran akan dibahas menjadi beberapa
poin sebagai berikut:
Percobaan dilakukan dengan melakukan langkah sesuai modul pada bagian 3.7.1. Pengukuran
dilakukan dengan memasukkan perintah OP “Z” pada HMI IoT, di mana “Z” adalah persentase
titik operasi mulai dari 0 hingga 100 dengan interval 10. Pengukuran dilakukan sebanyak 10
kali pada tiap nilai “Z”. Data hasil pengukuran dapat dilihat pada file dengan link terlampir.
Berikut sebagian dari data tersebut:
3
Modul 03: Pengukuran Fluida
Pada gambar tersebut, berurutan dari kiri ke kanan adalah P% (tingkatan input OP), M1 (bacaan
sensor berat dalam AD), S1 (bacaan sensor jarak dalam AD), F1 dan F2 (bacaan sensor aliran
fluida dalam pulse per minute), P1 (kekuatan pwm pompa), serta V1 (volume fluida sesuai
bacaan skala tangka).
Percobaan dilakukan dengan melakukan langkah yang tertera pada modul bagian 3.7.2.
Pengukuran dilakukan dengan memasukkan perintah TM pada HMI IoT, lalu membiarkan
pompa memompa fluida hingga tangki penuh, lalu membiarkan fluida keluar melalui saluran
keluar ke reservoir sembari sensor aliran mengukur aliran fluida keluarnya, hingga
memasukkan perintah TZ pada HMI IoT agar pengukuran terhenti. Berikut sebagian dari data
yang diperoleh:
4
Modul 03: Pengukuran Fluida
Percobaan dilakukan dengan melakukan langkah sesuai yang tertera pada modul bagian 3.7.3.
Berikut sebagian dari data yang diperoleh:
5
Modul 03: Pengukuran Fluida
4.4 Adjustment Sensor Berat
Konversi besaran dimulai dengan membuat grafik V1 terhadap M1 lalu meregresikannya untuk
menemukan hubungan kedua variabel tersebut. Grafik tersebut dapat dilihat pada gambar
berikut:
Data tersebut kemudian diregresikan. Setelah mencoba beberapa metode regresi, maka
didapatkanlah persamaan dengan nilai R2 paling besar yang didapatkan dari metode regresi
linear. Dengan persamaan tersebut kemudian didapat data sebagai berikut:
Lebih lanjut lagi, ketelitian sensor berat dapat divisualisasikan dengan grafik agar analisis dapat
lebih mudah dilaksanakan. Berikut merupakan grafik standar deviasi V1^_M1 terhadap V1.
6
Modul 03: Pengukuran Fluida
Konversi besaran dimulai dengan membuat grafik V1 terhadap S1 lalu meregresikannya untuk
menemukan hubungan kedua variabel tersebut. Grafik tersebut dapat dilihat pada gambar
berikut.
7
Modul 03: Pengukuran Fluida
Data tersebut kemudian diregresikan. Setelah mencoba beberapa metode regresi, maka
didapatkanlah persamaan dengan nilai R2 paling besar yang didapatkan dari metode regresi
logaritmik. Dengan persamaan tersebut kemudian didapat data sebagai berikut:
Lebih lanjut lagi, ketelitian sensor jarak dapat divisualisasikan dengan grafik agar analisis dapat
lebih mudah dilaksanakan. Berikut merupakan grafik standar deviasi V1^_S1 terhadap V1.
8
Modul 03: Pengukuran Fluida
Menggunakan persamaan dari regresi tersebut, maka laju aliran keluar estimasi F2^ dapat
dapat dihitung. Setelah menghitung F2^, maka ketelitian sensor aliran keluar dapat dianalisis
dengan menggunakan data F2^ tersebut.
Menggunakan persamaan dari regresi tersebut, maka laju aliran keluar estimasi F1^ dapat
dapat dihitung. Setelah menghitung F1^, maka ketelitian sensor aliran keluar dapat dianalisis
dengan menggunakan data F1^ tersebut.
9
Modul 03: Pengukuran Fluida
4.8 Identifikasi Karakteristik Dinamik
Identifikasi karakteristik dinamik dilakukan dengan menggunakan data percobaan kedua, uji
pengosongan. Identifikasi dilakukan dengan mengetes terlebih dahulu kesesuaian data apabila
sistem dianggap orde 1. Dengan menggunakan fitur Data – Solver, Excel akan mencari
karakteristik dinamik orde 1 Tau, Gain, dan Bias yang sedemikian sehingga menghasilkan
Erms yang bernilai sekecil mungkin.
Setelah data dicari tahu dengan menggunakan fitur Data – Solver, perbandingan data aktual
dan data hasil asumsi sistem orde 1 dapat dibandingkan dengan mengvisualisasikannya pada
grafik, sebagaimana terlihat pada gambar berikut:
Dari grafik tersebut, terlihat bahwa nilai R2 sama dengan 0.99. Hal ini menandakan bahwa data
asumsi sistem orde 1 sangat cocok dengan data aktual yang ada. Oleh karena itu, dapat
disimpulkan dengan tingkat kepercayaan yang tinggi bahwa sistem tangki level cairan
merupakan sistem berorde 1.
5 Kesimpulan
Dari percobaan-percobaan yang telah dilakukan, terdapat beberapa kesimpulan yang dapat
diambil. Setiap sensor dalam suatu sistem pengukuran memiliki karakteristik dan perilakunya
10
Modul 03: Pengukuran Fluida
masing-masing. Dalam sistem tangki level cairan, ada sensor yang memiliki performa lebih
baik dibandingkan yang lainnya. Menurut saya, sensor yang paling cocok untuk digunakan
diantara semua sensor pada praktikum ini adalah sensor berat karena memiliki tingkat ketelitian
paling tinggi. Selain itu, melalui pengukuran besaran fisis pada sistem tangki level cairan, dapat
disimpulkan bahwa sistem tersebut merupakan sistem orde 1.
6 Referensi
Fraden, Jacob. Handbook of modern sensors. Vol. 3. New York: Springer, 2010.
Kluever C.A. Dynamic Systems Modeling, Simulation, and Control. Wiley, 2015.
S. Narasimhan and C. Jordache, Data Reconciliation & Gross Error Detection. An Intelligent
Use of Process Data. Gulf Publishing Company Houston, 2000.
7 Lampiran
https://itbdsti-
my.sharepoint.com/:x:/g/personal/13319060_mahasiswa_itb_ac_id/EXy_YvYTerBKnb4Qq5
01CBABpHMznoN2FR246blCcaJ98A?e=meGuSZ
11