Mahasiswa Master by Research (MbR) Program Magister Teknik Mesin, Departemen Teknik Mesin dan Industri (DTMI) UGM, Benedictus Adityo Imanuel Kurnia dari PT Riau Andalan Pulp and Paper, telah melaksanakan Ujian Tesis pada Senin (14/07), bertempat di Ruang Sidang A-2 DTMI UGM. Mempertahankan tesis hasil penelitiannya yang berjudul ”Monitoring Keausan Pisau Chipper Menggunakan Analisa Audio Signal Dengan Metode Expert System Pada Proses Wood Chipping”, Benedictus diuji oleh tim penguji yang terdiri dari Prof. Ir. Heru Santoso Budi Rochardjo, M.Eng., Ph.D., IPM. sebagai Ketua, Prof. Dr. Gesang Nugroho, S.T., M.T. sebagai Penguji 1, Ardi Wiranata, S.T., M. Eng., Ph.D. sebagai Penguij 2, dan didampingi oleh Ir. Muslim Mahardika, S.T., M.Eng., Ph.D., IPM, ASEAN Eng. sebagai Dosen Pembimbing Tesis (DPT) 1 serta Dr. Veronica Lestari Jauw dari The University of Nottingham Malaysia sebagai DPT 2.
Benedictus memaparkan bahwa proses pencacahan kayu merupakan tahap krusial dalam industri pulp dan kertas. Namun, hingga kini banyak lini produksi yang masih mengandalkan sistem manual, termasuk dalam menentukan waktu penggantian pisau chipper. ”Ketergantungan pada keterampilan operator menyebabkan disparitas dalam pengambilan keputusan, yang berisiko mengganggu kelancaran produksi,” paparnya. Menjawab tantangan tersebut, Benedictus melakukan kajian untuk mengkarakterisasi keausan dan ketajaman pisau chipper melalui analisis citra mikro dan sinyal suara.
Dalam penelitian ini, citra mikro pisau diambil menggunakan Scanning Electron Microscope (SEM). Hasil pengamatan menunjukkan perbedaan signifikan antara pisau tajam dan pisau tumpul. Pisau tajam masih menampakkan jejak ketajaman dari hasil pengasahan, sementara pisau tumpul kehilangan jejak tersebut dan menunjukkan deformasi akibat abrasi dan friksi saat memotong kayu, terutama saat bersentuhan dengan partikel asing seperti pasir dan batu.
Tak hanya itu, Benedictus juga mengamati penurunan kualitas hasil cacahan kayu, konsumsi energi, dan produktivitas mesin secara berkala. Data yang dikumpulkan setiap jam menunjukkan bahwa ketajaman pisau mulai menurun pada jam keempat, dan pada jam ketujuh, pisau sudah masuk kategori tumpul.
Sinyal suara yang dihasilkan selama proses pencacahan ditangkap menggunakan mikrofon pada tiga kondisi pisau—tajam (jam pertama), setengah tumpul (jam keempat), dan tumpul (jam ketujuh). Data tersebut kemudian diproses menggunakan perangkat lunak LabVIEW, menghasilkan analisis dalam domain waktu dan frekuensi.
Data dari frequency domain selanjutnya menjadi masukan bagi dua model expert system, yakni Artificial Neural Networks (ANN) dan Support Vector Machine (SVM), yang dikembangkan menggunakan perangkat lunak Matlab. Hasil pengujian menunjukkan bahwa kedua model mampu mengenali tingkat keausan pisau chipper. ”Model SVM mencatat akurasi tertinggi sebesar 70%, mengungguli ANN yang mencatat akurasi 66,9%,” jelas Benedictus.
Penelitian ini membuka peluang besar bagi industri pulp dan kertas untuk beralih ke sistem monitoring otomatis berbasis kecerdasan buatan, demi meningkatkan efisiensi dan kestabilan proses produksi.
Kontributor: Andhes Puspitalina, S.Hut.
Penyusun: Gusti Purbo Darpitojati, S.I.Kom.
Dalam paparannya, Frieda menjelaskan bahwa baterai bekas kendaraan listrik mengandung material bernilai tinggi namun juga berpotensi menimbulkan dampak lingkungan jika tidak dikelola secara tepat. 
