Hasil Pencarian  ::  Simpan CSV :: Kembali

"Karakterisasi dari mikropartikel umumnya dianalisa berdasarkan gerak Brown dengan besaran suhu tertentu. Kenaikkan suhu akan menyebabkan energi kinetik partikel berubah sehingga gerakan Brown dari partikel juga akan berubah. Mikropartikel mempunyai tipe-tipe yang sangat luas, salah satunya adalah magnetik. Sifat magnetik pada mikropartikel akan menyebabkan gerak Brown dari partikel akan berbeda apabila diberikan medan magnet eksternal. Dalam studi ini akan diteliti gerak Brown partikel dan magnetic polystyrene untuk diukur koefisien difusinya dalam kondisi medan magnet dan temperatur berbeda-beda. Nilai koefisien dapat ditentukan dari metode rerata kuadrat perpindahan yang membutuhkan analisa gerak partikel. Proses pelacakan dilakukan dengan algoritma pencitraan komputer seperti deteksi blob dan optical flow. Hasil menunjukkan deteksi partikel dengan metode blob seperti SURF dan optical flow RLOF lebih efisien dan cepat secara komputasi dan lebih akurat daripada EfficientDet, dengan hasil koefisien difusi yaitu 6,785034 x 10-15 m2s-1 untuk ukuran 1μm, 8,886335 x 10-16 untuk 3μm, dan 8,944864 x 10-16 untuk 5μm. Pada pengukuran koefisien difusi diperoleh bahwa semakin besar partikel, maka semakin kecil koefisien difusinya. Selain itu, dirancang juga sistem yang dapat menghasilkan medan magnet berotasi yang membutuhkan sinyal tiga fasa. Rangkaian flip-flop digital dapat menghasilkan sinyal tiga fasa, yang diproses dengan pengubah sinyal kotak menjadi sinus untuk menghasilkan sinyal sinus dengan beda fasa 119,752°.

---

Characterizing of microparticle usually analyzed by using Brownian movement with controlled temperature. Increasing the temperature will lead to changes in kinetic energy particle, and the Brownian movement of the particle will be changed too. Microparticle has many types which one of them was magnetic microparticle. Magnetic characteristics of microparticle will lead to changes in Brownian motion of partice if given certain external magnetic field. In this study, the stochastic Brownian motion of magnetic polystyrene will be measured with various temperatures and magnetic fields. The value of coefficient could be measured from mean square displacement method by analyzing particle movements. Particle movement could be tracked by using computer vision algorithms such as blob detection and optical flow. Results showed that particle detection using blob such as SURF and optical flow such as RLOF is more computationally faster and more accurate than using EfficientDet with diffusion coefficient results such as 6,785034 x 10-15 m2s-1 for 1μm size, 8,886335 x 10-16 for 3μm, and 8,944864 x 10-16 for 5μm. In diffusion coefficient measurement results, shows that the larger particle sizes will results in smaller diffusion coefficient. Also, the system for generating rotating magnetic field is developed with three-phase signal as requirement. Flip-flop digital circuits is used to generate three-phase signal with square to sine converter to create sine signal with 119,752° phase difference."

"Dalam pengamatan gerak Brown untuk mencari nilai koefisien difusi, dibutuhkan sebuah sistem yang memiliki akurasi tinggi untuk pendeteksian koordinat partikel dalam orde mikrometer. Pada penelitian ini dibuat sebuah sistem untuk menganalisa pergerakan partikel microbead dalam larutan nanogold dengan variasi temperatur dalam bentuk input berupa video dan menghasilkan output berupa nilai koefisien difusi dari partikel yang terdapat pada video. Sistem ini memanfaatkan machine learning sebagai detektor koordinat partikel. Digunakan TensorFlow Object Detection API sebagai backend sistem ini dan CenterNet sebagai aristektur model yang digunakan. Koordinat partikel berhasil dideteksi dengan rata-rata error pada pendeteksian senilai 0.6 piksel. Metode mean squared displacement digunakan untuk menghitung koefisien difusi. Didapatkan nilai koefisien difusi untuk microbead pada suhu 36,37,38,39,40oC secara berurutan sebesar 8.581 x 10-14, 9.925 x 10-14, 10.113 x 10-14, 10.374 x 10-14, 14.875 x 10-14 m2/s. Didapati nilai kenaikan koefisien difusi setiap kenaikan 1oC sebesar 1.3037 x 10-14 m2/s.

---

In observing Brownian motion to find the value of the diffusion coefficient, a system that has high accuracy is needed for the detection of particle coordinates in domain of micrometers. In this study, a system was created to analyze the movement of microbead particles in a nanogold solution with temperature variations in the form of video input and produce output in the form of the diffusion coefficient value of the particles in the video. This system utilizes machine learning as a particle coordinate detector. The TensorFlow Object Detection API is used as the backend of this system and CenterNet as the model architecture. The particle coordinates were detected successfully with an average detection error of 0.6 pixels. The mean squared displacement method is used to calculate the diffusion coefficient. The diffusion coefficient values for microbeads at a temperature of 36,37,38,39,40oC respectively were 8,581 x 10-14, 9.925 x 10-14, 10,113 x 10-14, 10,374 x 10-14, 14,875 x 10-14m2/s. It was found that the value of the increase in the diffusion coefficient for every 1oC increase was 1.3037 x 10-14 m2/s"

"Dalam melakukan pengamatan gerak Brown untuk mencari nilai koefisien difusi, dibutuhkan sebuah sistem yang memiliki akurasi tinggi untuk pendeteksian koordinat partikel dalam orde mikrometer. Pada penelitian ini dibuat sebuah sistem untuk menganalisa pergerakan partikel microbead dalam larutan nanogold dengan variasi temperatur dalam bentuk input berupa video dan menghasilkan output berupa nilai koefisien difusi dari partikel yang terdapat pada video. Sistem ini memanfaatkan machine learning sebagai detektor koordinat partikel. Digunakan TensorFlow Object Detection API sebagai backend sistem ini dan CenterNet sebagai aristektur model yang digunakan. Koordinat partikel berhasil dideteksi dengan rata-rata error pada pendeteksian senilai 0.6 piksel. Metode mean squared displacement digunakan untuk menghitung koefisien difusi. Didapatkan nilai koefisien difusi untuk microbead pada suhu 36, 37, 38, 39, 40oC secara berurutan sebesar 8.581 x 10-14, 9.925 x 10-14, 10.113 x 10-14, 10.374 x 10-14, 14.875 x 10-14 m2/s. Didapati nilai kenaikan koefisien difusi setiap kenaikan 1oC sebesar 1.3037 x 10-14 m2/s.

---

In observing Brownian motion to find the value of the diffusion coefficient, a system that has high accuracy is needed for the detection of particle coordinates in domain of micrometers. In this study, a system was created to analyze the movement of microbead particles in a nanogold solution with temperature variations with video file as an input and produce diffusion coefficient value of the particles in the video as the output. This system utilizes machine learning as a particle coordinate detector. The TensorFlow Object Detection API is used as the backend of this system and CenterNet as the model architecture. The particle coordinates were detected successfully with an average detection error of 0.6 pixels. The mean squared displacement method is used to calculate the diffusion coefficient. The diffusion coefficient values ​​for microbeads at a temperature of 36, 37, 38, 39, 40oC respectively were 8,581 x 10-14, 9.925 x 10-14, 10,113 x 10-14, 10,374 x 10-14, 14,875 x 10-14m2/s. It was found that the value of the increase in the diffusion coefficient for every 1oC increase was 1.3037 x 10-14 m2/s."

"Difusi seringkali ditinjau secara makroskopis namun pada kasus ini, masing masing partikel yang mempengaruhi terjadinya difusi yaitu perataan konsentrasi dalam suatu larutan akan ditinjau. Masing-masing partikel akan bergerak secara bebas akibat interaksi antar partikel dan molekul gas sekitar yang dapat mengakibatkan terjadinya peristiwa Gerak Brown. Melalui studi ini, diamati 3 variasi dari suatu partikel bernama microbead polystyrene yang akan diamati peristiwa gerak Brown yang terjadi pada partikel untuk menghitung koefisien difusi dari partikel tersebut. Digunakan metode Mean Square Displacement (MSD) sebagai metode utama perhitungan koefisien difusi namun untuk mewujudkan hal tersebut, diperlukan data berupa koordinat pergerakan partikel dalam 2 dimensi sehingga dengan bantuan dari 2 instrumen utama berupa machine learning dan Python 3.7, dibuatlah suatu sistem untuk mengukur koefisien difusi suatu partikel microbead polystyrene yang dapat dilakukan secara otomatis dengan memberikan video pergerakan partikel tersebut. Hasil dari penelitian akan menunjukan bahwa semakin besar partikel, semakin kecil koefisien difusi yang dihasilkan.

---

Diffusion has been widely researched macroscopically but, in this case, each particle that influences the diffusion phenomenon which is the spreading of a concentrated liquid will be observed. Each particle will move freely as a result of the interactions between the gasses of the liquid covering the particle and the particle itself in where Brownian motion can occur. Through this study, 3 size variants of a particle known as the polystyrene microbead will be observed under microscope to see how it acts when Brownian motion occurs which in result, will be able to calculate the diffusion coefficient of the particle. The Mean Square Displacement (MSD) is used as the main method for calculating the diffusion coefficient but a specific dataset, the coordinates of the particles center of mass, is required hence needing the help of a system to find its coordinates. This research develops a method for doing so using the help of machine learning and Python 3.7 to create an automated system that is able to calculate the diffusion coefficient of this specific particle with only needing a video input of the particle moving. The result of this research will show that the larger the particle, the smaller the diffusion coefficient."

"Difusi seringkali ditinjau secara makroskopis namun pada kasus ini, masing masing partikel yang mempengaruhi terjadinya difusi yaitu perataan konsentrasi dalam suatu larutan akan ditinjau. Masing-masing partikel akan bergerak secara bebas akibat interaksi antar partikel dan molekul gas sekitar yang dapat mengakibatkan terjadinya peristiwa Gerak Brown. Melalui studi ini, diamati 3 variasi dari suatu partikel bernama microbead polystyrene yang akan diamati peristiwa gerak Brown yang terjadi pada partikel untuk menghitung koefisien difusi dari partikel tersebut. Digunakan metode Mean Square Displacement (MSD) sebagai metode utama perhitungan koefisien difusi namun untuk mewujudkan hal tersebut, diperlukan data berupa koordinat pergerakan partikel dalam 2 dimensi sehingga dengan bantuan dari 2 instrumen utama berupa machine learning dan Python 3.7, dibuatlah suatu sistem untuk mengukur koefisien difusi suatu partikel microbead polystyrene yang dapat dilakukan secara otomatis dengan memberikan video pergerakan partikel tersebut. Hasil dari penelitian akan menunjukan bahwa semakin besar partikel, semakin kecil koefisien difusi yang dihasilkan.

---

Diffusion has been widely researched macroscopically but, in this case, each particle that influences the diffusion phenomenon which is the spreading of a concentrated liquid will be observed. Each particle will move freely as a result of the interactions between the gasses of the liquid covering the particle and the particle itself in where Brownian motion can occur. Through this study, 3 size variants of a particle known as the polystyrene microbead will be observed under microscope to see how it acts when Brownian motion occurs which in result, will be able to calculate the diffusion coefficient of the particle. The Mean Square Displacement (MSD) is used as the main method for calculating the diffusion coefficient but a specific dataset, the coordinates of the particles center of mass, is required hence needing the help of a system to find its coordinates. This research develops a method for doing so using the help of machine learning and Python 3.7 to create an automated system that is able to calculate the diffusion coefficient of this specific particle with only needing a video input of the particle moving. The result of this research will show that the larger the particle, the smaller the diffusion coefficient. "

"Koefisien difusi merupakan nilai besaran yang menjadi karakterisasi perambatan konsentrasi di antara dua atau lebih zat yang sedang bercampur. Proses difusi memiliki peran penting dalam berbagai aplikasi di bidang kimia, industri, serta dalam kontrol polusi. Metode Wiener’s digunakan untuk memperoleh koefisien difusi larutan karena metode ini dianggap paling efektif dan akurat. Metode ini dipadukan dengan image processing menggunakan Python 3.9 untuk memperoleh nilai koefisien difusi dengan cepat dan akurat. Variasi medan magnet diberikan untuk mengetahui repon sistem, didapat pada larutan dengan kandungan unsur logam didalamnya akan terjadi surface plasmon resonance yang akan mengurangi koefisien difusi larutan-larutan tersebut. Menggunakan sistem ini didapat besar DNaCl-Akuades,DNaCl-Nanogold dan DNaCl-SBF dengan R^2 >= 0.95 Berdasarkan nilai tersebut diperoleh deteksi tepi Sobel lebih baik dari Canny.

---

The difusion coefficient is a quantity that characterizes the concentration propagation between two or more substances that are mixed. Difusion processes have an important role in a wide range of applications in chemistry, industry, and pollution control. The Wiener experiment Setup method is used to obtain the diffusion coefficient of the solution because this method is considered the most effective and accurate. This method is combined with image processing using Python 3.9 to obtain the value of the difusion coefficient fast and accurately. The variation of the magnetic field given to determine the response system, obtained in a solution containing metal elements where in it will occur surface plasmon resonance which will reduce the difusion coefficient of these solutions. Using this system, we get DNaCl-Akuades,DNaCl-Nanogold and DNaCl-SBF are obtained with a value of R^2 >= 0.95. Based on this value, the Sobel edge detection is better than Canny."

"Koefisien difusi merupakan nilai besaran yang menjadi karakterisasi perambatan konsentrasi di antara dua atau lebih zat yang sedang bercampur. Proses difusi memiliki peran penting dalam berbagai aplikasi di bidang kimia, industri, serta dalam kontrol polusi. Metode Wiener’s digunakan untuk memperoleh koefisien difusi larutan karena metode ini dianggap paling efektif dan akurat. Metode ini dipadukan dengan image processing menggunakan Python 3.9 untuk memperoleh nilai koefisien difusi dengan cepat dan akurat. Variasi medan magnet diberikan untuk mengetahui repon sistem, didapat pada larutan dengan kandungan unsur logam didalamnya akan terjadi surface plasmon resonance yang akan mengurangi koefisien difusi larutan-larutan tersebut. Menggunakan sistem ini didapat besar DNaCl-Akuades,DNaCl-Nanogold dan DNaCl-SBF dengan R^2 >= 0.95 Berdasarkan nilai tersebut diperoleh deteksi tepi Sobel lebih baik dari Canny.

---

.The difusion coefficient is a quantity that characterizes the concentration propagation between two or more substances that are mixed. Difusion processes have an important role in a wide range of applications in chemistry, industry, and pollution control. The Wiener experiment Setup method is used to obtain the diffusion coefficient of the solution because this method is considered the most effective and accurate. This method is combined with image processing using Python 3.9 to obtain the value of the difusion coefficient fast and accurately. The variation of the magnetic field given to determine the response system, obtained in a solution containing metal elements where in it will occur surface plasmon resonance which will reduce the difusion coefficient of these solutions. Using this system, we get DNaCl-Akuades,DNaCl-Nanogold and DNaCl-SBF are obtained with a value of R^2 >= 0.95. Based on this value, the Sobel edge detection is better than Canny."

"Rancang bangun sistem pengukuran medan magnet berbasis mikrokontroler telah berhasil dibuat. Sistem pengukuran medan magnet ini menggunakan sensor Efek Hall dan menggunakan motor DC sebagai penggerak dari sensor untuk mendapatkan variasi medan magnet terhadap posisi. Sistem ini dikendalikan menggunakan mikrokontroler AT89S8253 serta ADC eksternal l2 bit. Mikrokontroler ini digunakan untuk mengatur pembacaan besar medan magnet serta menggerakan motor DC. Pada sistem ini besar medan magnet pada sensor Efek Hall didapat dari mengkalibrasi sensor Efek Hall dengan teslameter. Dari kalibrasi dengan teslameter, kita akan mendapat nilai fungsi transfer yang akan digunakan dalam mikrokontroler. Dengan demikian pengukuran dengan medan magnet dengan sensor Efek Hall akan didapat. Dengan menggunakan ADC 12 bit, sistem ini bisa mengukur medan magnet dengan skala kecil. Dengan sistem ini diharapkan akan didapat hubungan antara besar medan magnet terhadap posisi pengukuran.

---

The design of the magnetic field measurement system based on microcontroller has been created. This magnetic field measurement system using Hall effect sensors and using DC motor as the sensor for magnetic field variation with position. This system is controlled using AT89S8253 microcontroller and an external 12-bit ADC. Microcontroller is used to adjust the reading of the magnetic field and DC motor drive. In this system, a large magnetic field on Hall effect sensors are obtained by calibrating Hall Effect sensors with teslameter. From calibration with teslameter, we will get the transfer function values to be used in microcontrollers. Thus the magnetic field measurements with Hall Effect sensor will be obtained. By using 12-bit ADC, this system can measure small scale magnetic field. This systems are expected to see the relationship between the large magnetic field to the measurement position."

"Pada penelitian ini, dilakukan pengukuran untuk mengetahui spektrum pesawat sinar-X generator constant potential dan single phase.Pengukuran ini membandingkan hasil pengukuran yang dilakukan dengan detektor CdTe dan non invasive beam analizer merek Unfors.Untuk mengkalibrasi detektor CdTe, digunakan dua sumber standar yaitu Americium-241 dan Barium-133. Proses pengukuran menggunakan sofware ADMCA. Pada tahap ini dilakukan pengukuran korelasi antara channel dan energi sumber radiasi. Pengambilan data dilakukan dengan meletakkan detektor sejajar dengan tabung pesawat sinar-X dengan jarak 1 meter. Dari hasil pengukuran dapat disimpulkan bahwa nilai tegangan puncak pada pesawat sinar-X generator single phase berbeda dengan hasil pengukuran menggunakan detektor Unfors dan CdTe, sehingga perlu dikoreksi dengan nilai rasio yang diperoleh sebesar 1,08. Perbedaan hasil pengukuran ini disebabkan oleh ripple tegangan yang besar pada generator single phase, sehingga nilai tegangan tabung berfluktuasi menyebabkan nilai bacaan pada detektor CdTe menyimpang dari yang seharusnya. Untuk pesawat sinar-X generator constant potential tidak perlu dilakukan koreksi karena nilai tegangan puncak pesawat sesuai dengan hasil pengukuran pada detektor Unfors dan CdTe.

---

This research is to measure the spectrum of constant potential and single phase Xray generators. It will compared with the result of CdTe detector and Unfors, the non invasive beam analizer. Americium-241 and Barium-133 were use to calibrate the CdTe detector. The measurement was use ADMCA to get the correlation between channel and energy of radiation. The detector was place for 1 meter in front of X-ray tube.

It should conclude that the kiloVolt peak of single phase X-ray generator was not appopriate with the result of the Unfors and CdTe detector. To appopriate the result, it must be multipled by 1,08. The different of this result was caused by ripple of single phase generator. The fluctuation caused the value of kiloVolt peak that detected by CdTe was deviate. For constant potential X-ray generator, the result was suitable with unfors and CdTe detector."

"Salah satu metode penelitian yang ikut berperan penting dalam pengukuran berskala mikro yakni Brownian Motion yang merupakan fenomena gerakan acak beberapa partikel yang diamati di bawah lensa objektif mikroskop akibat tabrakan antarpartikel dan molekul cairan di sekitarnya. Dalam penelitian ini akan digunakan Brownian Motion untuk menentukan nilai viskositas melalui perpindahan partikel polimer (microbead) terhadap perubahan konsentrasi cairan (gliserin dan NaCl) dan ukuran partikel polimer. Pengukuran dilakukan menggunakan rancangan sistem optik seperti kamera dan lensa objektif mikroskop. Pergerakan partikel kemudian direkam dan hasil citra rekaman diolah menggunakan image processing pada MATLAB. Dengan menggunakan fungsi korelasi, lintasan pergerakan partikel dapat dilacak hingga diperoleh data perpindahan partikel untuk setiap frame. Data ini kemudian diolah ke dalam persamaan mean square displacement untuk menentukan nilai viskositas cairan tersebut melalui nilai koefisien difusi partikel, yang merupakan hasil fitting least square dari mean square displacement. Dari data yang telah diperoleh, kesalahan literatur dari pengukuran viskositas menggunakan partikel berukuran 1 mikron pada larutan gliserin dengan variasi 10%-40% bernilai tidak lebih dari 10% dibandingkan pengukuran viskositas menggunakan partikel berukuran 3 dan 5 mikron. Untuk pengukuran viskositas menggunakan partikel 1 mikron pada larutan NaCl dengan variasi konsentrasi 0%, 50%, dan 100% memiliki nilai kesalahan literatur kurang dari 7%.

---

One research method that plays an important role in micro-scale measurement is Brownian Motion, which is a phenomenon of random movement of several particles observed under the microscope's objective lens due to collisions between particles and liquid molecules around it. In this study Brownian Motion will be used to determine the value of viscosity through the displacement of polymer particles (microbead) to the changes of fluid concentration (glycerin and NaCl) and polymer particle size. Measurements were made using the design of optical systems such as camera and microscope objective lense. The movement of particles is then recorded and the recording image results are processed using image processing in MATLAB. By using the correlation function, the trajectory of particle movement can be traced until particle displacement data is obtained for each frame (in second). From the data, the literature error from the viscosity measurement uses 1-micron particle in the glycerin solution with a variation of 10% - 40% is no more than 10% compared to the viscosity measurement using 3 and 5-micron particle. For the measurement of viscosity using 1-micron particle in NaCl solution with variations in the concentration of 0%, 50%, and 100%, the literature error is less than 7%."