Institut Teknologi Nasional: Jurnal Itenas Online
Not a member yet
1717 research outputs found
Sort by
Kajian Kapasitas Daya Dukung Spun Pile yang Dipengaruhi Tahanan Friksi Negatif dan Lapis Likuifaksi Studi Kasus Jembatan Serangan dengan Program Ensoft
Get PDFABSTRAKFondasi spun pile merupakan salah satu jenis fondasi yang sudah sangat populer, terutama untuk struktur jembatan. Pada perencanaan suatu fondasi tiang sangat penting dilakukan analisis daya dukung untuk memastikan bahwa fondasi tersebut mampu menahan beban struktur diatasnya. Tujuan dari penelitian ini adalah menganalisis fondasi spun pile menggunakan perhitungan analitik dengan alat bantu program Ensoft. Analisis yang dilakukan dengan menggunakan pengaruh tahanan friksi negatif dan lapisan yang berpotensi likuifaksi serta meninjau fixity point. Hasil analisis daya dukung berupa kapasitas aksial, kapasitas lateral, dan kapasitas momen yang akan dibandingkan dengan gaya yang diperoleh dari data pembebanan Jembatan Serangan diharapkan mendapatkan nilai kritis yang melebihi angka 1 sehingga diperoleh jumlah tiang yang optimum. Pada variasi tahanan friksi negatif dan lapisan yang berpotensi likuifaksi diperoleh nilai ratio perbandingan antara kapasitas dengan gaya yang bekerja sebesar 1,58 untuk aksial; 1,17 untuk lateral; 1,25 untuk momen; dengan jumlah tiang sebanyak 90 buah dipengaruhi kondisi layan dan gempa.Kata kunci: daya dukung, ensoft, likuifaksi, spun pile, tahanan friksi negatif ABSTRACTSpun pile foundation is a popular deep foundation type, mainly for the construction of bridge. For designing a pile foundation, it is important to analyze the bearing capacity to ensure that the foundation is able to restrain the structure load. The objective of this paper is to analyze spun pile foundation using analytical model in Ensoft software. The analysis was done by using the resistance of negative skin friction and the layer that has the potential for liquefaction with observing the fixity point. The results of the carrying capacity analysis in the form of axial capacity, lateral capacity, and moment capacity that will be compared to the force obtained from the attack bridge loading data are expected to get a critical value that exceeds the number 1 so that the optimum number of poles are obtained. In the variation of negative friction resistance and potentially liquefaction layers obtained a ratio of comparison between capacity with working force of 1.58 for axial, 1.17 for lateral, 1.25 for moment, with the number of poles as many as 90 pieces affected by service conditions and earthquakes.Keywords: bearing capacity, ensoft, liquefaction, spun pile, negative skin friction
Performance Comparison of 1D-CNN and LSTM Deep Learning Models for Time Series-Based Electric Power Prediction
Get PDFAccurate electrical power prediction is essential for efficient energy management, especially in institutions with dynamic energy needs. This study compares the performance of 1D-CNN and LSTM for time series based electrical power prediction, using a dataset from the Building Automation System (BAS) of STMKG building. The evaluation metrics Mean Squared Error (MSE) and Mean Absolute Error (MAE) are used to measure accuracy. The results show that the LSTM had an average MSE value of 3.35E-04±0.00013 and an MAE of 0.01312±0.0079 across 10 trials. This is slightly better than the 1D-CNN, which had an average MSE value of 4.68E-04±0.0003 and an MAE of 0.01855±0.00586. Despite the marginal difference, 1D-CNN provides a computational time efficiency advantage of 63.08s, 1D-CNN is about 84.19% faster.ABSTRAKPrediksi daya listrik yang akurat sangat penting untuk efisiensi energi, terutama bagi institusi dalam memenuhi kebutuhan energi yang dinamis. Penelitian ini membandingkan kinerja deep learning 1D-CNN dan LSTM untuk memprediksi daya listrik berbasis time series, menggunakan dataset dari Building Automation System (BAS) gedung STMKG. Metrik evaluasi Mean Squared Error (MSE) dan Mean Absolute Error (MAE) digunakan untuk mengukur akurasi. Hasil penelitian menunjukan untuk LSTM nilai MSE rata-rata dari 10 percobaan pada proses pengujian 3,35E-04±0,00013 dan MAE 0,01312±0,0079, sedikit lebih baik dari 1DCNN yang memiliki nilai MSE rata-rata 4,68E-04±0,0003 dan MAE 0,01855±0,00586. Walaupun perbedaannya tidak signifikan, 1D-CNN menawarkan keunggulan dalam efisiensi waktu komputasi 63,08s, 1D-CNN lebih cepat sekitar 84.19%.Kata kunci: prediksi, daya listrik, time series, CNN, LSTM ABSTRACTAccurate electrical power prediction is essential for efficient energy management, especially in institutions with dynamic energy needs. This study compares the performance of 1D-CNN and LSTM for time series based electrical power prediction, using a dataset from the Building Automation System (BAS) of STMKG building. The evaluation metrics Mean Squared Error (MSE) and Mean Absolute Error (MAE) are used to measure accuracy. The results show that the LSTM had an average MSE value of 3.35E-04±0.00013 and an MAE of 0.01312±0.0079 across 10 trials. This is slightly better than the 1D-CNN, which had an average MSE value of 4.68E-04±0.0003 and an MAE of 0.01855±0.00586. Despite the marginal difference, 1D-CNN provides a computational time efficiency advantage of 63.08s, 1D-CNN is about 84.19% faster.Keywords: prediction, electrical power, time series, CNN, LST
Perkembangan Bio-Ethanol Sebagai Sumber Energi Alternatif di Indonesia
Get PDFBio-ethanol merupakan salah satu biofuel yang digunakan saat ini. Terdapat empat generasi bahan baku untuk memproduksi bio-ethanol. Bio-ethanol generasi 1 (G1) berasal dari gula/pati tanaman, generasi 2 (G2) berasal dari limbah pertanian/perkebunan, generasi 3 (G3) berasal dari alga, dan generasi 4 berasal dari modifikasi genetika tanaman. Bio-ethanol generasi 2 merupakan bio-ethanol yang memiliki prospek terbaik di Indonesia, karena banyaknya limbah industri pertanian dan perkebunan. Namun, realitanya penggunaan bio-ethanol di Indonesia belum berjalan baik. Penggunaan bio-ethanol sebagai bahan bakar masih terkendala masalah biaya. Hal tersebut ditandai dengan gagalnya upaya pemerintah dalam penggunaan bahan bakar bio-ethanol 5% (E5) di 2020. Sehingga saat ini Indonesia baru menerapkan penggunaan bahan bakar bio-ethanol 2% (E2). Salah satu solusi yang dapat digunakan untuk menekan harga bio-ethanol adalah dengan membuat system produksi terintegrasi
Potensi Buku Sensori Berbasis Montessori dan Multimodal Terhadap Perkembangan Kognitif Balita Usia 3-5 Tahun
Get PDFPerkembangan kognitif anak adalah aspek penting yang perlu di stimulasi sejak dini terutama pada masa balita, keterlibatan orang tua sangat krusial pada prosesnya. Montessori adalah salah satu metode pendidikan anak usia dini yang efektif, menekankan pada pembelajaran konkret dengan eksplorasi mandiri anak menggunakan tangan. Dalam menyampaikan tujuan narasi, sangat dibutuhkan peranan Multimodal yaitu gabungan berbagai bentuk komunikasi untuk menciptakan cara yang lebih komprehensif dan efektif. Multimodal menjadi metode komunikasi efektif dikarenakan dapat menstimulasi sebagian besar aspek sensorik pada balita. Namun realitasnya sebagian besar orang tua masih kurang peduli dan tidak memaksimalkan potensi momen tumbuh kembang anaknya. Selain itu dalam konteks pendidikan anak usia dini di Indonesia, implementasi Montessori masih mengalami hambatan diantaranya menyelaraskan dengan kurikulum Indonesia, pemahaman filosofi masyarakat yang kurang mendalam, serta keterbatasan fasilitas yang mendukung. Artikel ini bertujuan untuk meneliti teori serta praktik penelitian terdahulu yang berkaitan dengan stimulasi sensori pada balita, menganalisis preferensi belajar balita saat ini untuk menemukan potensi dari buku sensori dengan pendekatan montessori dan multimodal terhadap perkembangan kognitif balita usia 3-5 tahun. Metode kualitatif digunakan untuk memahami teori, konteks dan fenomena secara mendalam, melalui studi literatur dan observasi, kemudian metode kuantitatif digunakan dalam pengumpulan data lapangan dengan penyebaran kuesioner purposive sampling dengan total 38 responden. Hasil penelitian menunjukan bahwa sangat besar potensi efektivitas buku sensori terhadap perkembangan kognitif balita berdasarkan hasil survei menunjukan bahwa balita membutuhkan media pembelajaran yang dapat menstimulasi area sensori melalui pengenalan konsep jenis-jenis tekstur yang interaktif, kontekstual dan lebih naratif dengan peranan prinsip montessori dan multimodal. Penelitian ini diharapkan dapat menghadirkan inovasi media pembelajaran yang lebih relevan bagi anak usia dini, serta dapat berkontribusi positif dalam pengembangan ilmu dalam aspek pendidikan anak usia dini di Indonesia
ANALISIS SPASIO-TEMPORAL PENGARUH CURAH HUJAN TERHADAP POLUSI UDARA KARBON MONOKSIDA DI KOTA BANDUNG TAHUN 2023: PENDEKATAN BERBASIS DATA SATELIT
Get PDFKarbon Monoksida (CO) termasuk ke dalam primary pollutants yang paling banyak menyebabkan masalah pencemaran udara sebesar 58%. Sumber utama CO adalah emisi kendaraan bermotor. Jumlah kendaraan bermotor di Kota Bandung hampir setara dengan jumlah penduduknya, yaitu mencapai 2,2 juta unit, sedangkan penduduknya berjumlah 2,4 juta jiwa. Selain itu, tahun 2023 menjadi periode dengan jumlah kejadian kebakaran terbanyak (352 kejadian). Oleh karena itu, analisis spasio-temporal polusi udara CO penting dilakukan untuk monitoring pencemaran udara. Tujuan penelitian ini adalah menganalisis distribusi spasial dan temporal konsentrasi CO serta pengaruh curah hujan terhadap konsentrasi CO di Kota Bandung tahun 2023 dengan menggunakan metode pengindraan jauh. Hasil penelitian menunjukkann akumulasi CO tertinggi dan terendah berada di Kecamatan Bandung Kidul dan Cidadap (880,88 µg/m³ dan 827,04 µg/m³). Selain itu, akumulasi CO tertinggi terjadi selama periode bulan kering (curah hujan <100 mm). Analisis korelasi dan regresi menunjukkan pada periode bulan kering terdapat korelasi positif yang kuat (r=0,56) serta pengaruh curah hujan yang lebih besar terhadap konsentrasi CO dibandingkan periode bulan lainnya. Temuan penelitian ini menunjukkan perlu dilakukan pemantauan kualitas udara di Kota Bandung pada bulan kering agar dapat menekan peningkatan karbon monoksida
Rancang Bangun Antena Horn Planar Frekuensi 1 – 3 GHz untuk Ground Penetrating Radar
Get PDFABSTRAKAntena horn planar merupakan antena yang menggunakan salah satu sisi antena horn berbentuk piramida dan beroperasi pada frekuensi diatas 1000 MHz. Tujuan dari penelitian ini adalah untuk membuat antena horn yang digunakan pada sistem ground penetrating radar (GPR) dan digunakan untuk mendeteksi objek bawah permukaan pada kedalaman rendah dan resolusi tinggi. Pada simulasi terlihat bahwa sinyal output dari keluaran yang dihasilkan sesuai dengan keluaran transmitter. Perancangan antena diawali dengan menggunakan software CST Studio kemudian difabrikasi menggunakan material substrat FR-04 dengan panjang dielektrik 4,3 dan tebal 1,6 mm. Produk rancangan mempunyai nilai VSWR dibawah 2 dan bandwidth 2,4 GHz dengan hasil port signal yang baik, dan untuk hasil fabrikasi memiliki nilai VSWR dibawah 2 dengan bandwidth 2,4GHz dan hasil port signal yang baik sesudah data diolah, untuk pencatuan antena menggunakan microstrip line. Antena yang dirancang sudah memenuhi persyaratan yang diperlukan.Kata kunci: GPR, Antena Horn Planar, VSWR, FR-04 ABSTRACTAn antenna that employs one side of the pyramid-shaped horn antenna and functions at frequencies higher than 1000 MHz is called a planar horn antenna. In order to identify subsurface objects at low depths and high resolution, the goal of this project is to develop a horn antenna for the ground penetrating radar (GPR) system. It is evident from the simulation that the output signal generated by the output is consistent with the output of the transmitter. CST Studio software is used to design the antenna, which is then made from FR-04 substrate material that has a thickness of 1.6 mm and a dielectric length of 4.3. Following data processing, the fabrication results show a VSWR value below 2 with a bandwidth of 2.4GHz and good port signal results for antenna supply utilizing a microstrip line. The design product also has a VSWR value below 2 and a bandwidth of 2.4GHz. The antenna's design satisfies the necessary spesificationsKeywords: GPR, Antena Horn Planar, VSWR, FR-0
Community Empowerment Through Processing Waste into Fashion Products uses Heat Techniques Press to Increase Community Income in Senggigi Village, West Lombok District
Get PDFThe aim of this service activity is to empower the community by processing waste into fashion products using heat press techniques to increase community income in Senggigi Village, West Lombok Regency. The problem faced by partners is related to the large amount of plastic waste which, if burned, can produce dangerous compounds, apart from that, plastic waste can also damage the sustainability and beauty of the Senggigi tourism area. The method used to overcome this problem is in the form of community service activities which will be carried out to process waste into Fashion products using the Heat Press Technique, which is a new breakthrough in handling waste which can also increase income for the local community. As a result of partner activities, they have the ability to overcome the problem of increasing waste volume by managing waste into fashion products using heat press techniques
Kinerja BART dalam Automatic Summarization Berita Otomotif
Get PDFABSTRAKIndustri otomotif menghadapi tantangan besar dalam mengelola dan menyajikan informasi yang relevan serta terstruktur di tengah meningkatnya volume data digital. Penelitian ini memperkenalkan sistem pencarian dan peringkasan berbasis teks menggunakan model BART (Bidirectional and Auto-Regressive Transformers) untuk meningkatkan efisiensi pencarian informasi dan peringkasan konten. Sistem ini mengintegrasikan web scraping, preprocessing teks, TF-IDF, dan teknik cosine similarity untuk mengekstrak dan memproses data, menghasilkan hasil yang ringkas dan akurat. Evaluasi menggunakan metrik ROUGE dan umpan balik pengguna menunjukkan kemampuan sistem dalam menghasilkan ringkasan yang informatif dan efisien dengan waktu pemrosesan yang lebih cepat. Sistem ini mencapai performa sebesar rata rata 78.5 berdasarkan evaluasi yang dilakukan. Temuan ini menyoroti efektivitas BART dalam menangani data otomotif yang kompleks dan memenuhi kebutuhan pengguna untuk mendapatkan ringkasan berita yang relevan, mendukung pengambilan keputusan berbasis data di sektor otomotif.Kata kunci: Pencarian Informasi, BART, NLP, Otomotif, Peringkasan Teks.ABSTRACTThe automotive industry faces significant challenges in managing and presenting relevant and structured information amidst the growing volume of digital data. This study introduces a text-based search and summarization system using the BART (Bidirectional and Auto-Regressive Transformers) model to enhance the efficiency of information retrieval and content summarization. The system integrates web scraping, text preprocessing, TF-IDF, and cosine similarity techniques to extract and process data, delivering concise and accurate results. Evaluations using ROUGE metrics and user feedback demonstrate the system’s ability to produce informative and efficient summaries with reduced processing time. The system achieved a performance average score of 78.5 based on the evaluation. The findings highlight the effectiveness of BART in handling complex automotive data and meeting user needs relevant news summaries, thereby supporting data-driven decision-making in the automotive sector.Keywords: Information Retrieval, BART, NLP, Automotive, Text Summarization
Classification of Fresh and Rotten Fruits and Vegetables Using a Customized Convolutional Neural Network
Get PDFThis research aims to develop a customized Convolutional Neural Network (CNN) model based on ResNet-18 for classifying fruit and vegetable types and freshness. The Fresh and Rotten dataset was used to train and test the model, consisting of 30,357 images across nine fruit and vegetable categories. The model employs three additional blocks to enhance classification capabilities. The study results indicate an average accuracy of 98% for freshness classification and 99% for fruit and vegetable type classification, with consistent training and validation performance. Data augmentation and normalization methods also improved the model's generalization capabilities. These findings highlight CNN's potential as a reliable tool for agricultural product management, supporting efficient distribution and maintaining product quality.AbstrakPenelitian ini mengembangkan model Convolutional Neural Network (CNN) berbasis ResNet-18 untuk mengklasifikasikan buah dan sayuran berdasarkan jenis dan tingkat kesegarannya secara simultan. Permasalahan yang diangkat adalah bagaimana model dapat melakukan klasifikasi ganda dalam satu arsitektur serta menganalisis pengaruh kesegaran terhadap akurasi klasifikasi jenis. Dataset Fresh and Rotten berisi 30.357 citra dari sembilan kategori digunakan. Model dimodifikasi dengan tiga blok tambahan yang memisahkan tugas klasifikasi. Pelatihan dilakukan dengan pendekatan multitugas menggunakan loss gabungan dan optimisasi berbeda. Hasil menunjukkan akurasi 99% untuk jenis dan 98% untuk kesegaran. Temuan ini menunjukkan efektivitas pendekatan multitugas CNN dalam mendukung inspeksi kualitas produk hortikultura secara otomatis.Kata kunci: Convolutional Neural Network, klasifikasi buah dan sayuran, ResNet-18, kesegaran, pengolahan citraAbstractThis study proposes a customized Convolutional Neural Network (CNN) model based on ResNet-18 to simultaneously classify fruits and vegetables by type and freshness. The research addresses how a single architecture can handle dual classification tasks and explores the influence of freshness on type classification accuracy. The Fresh and Rotten dataset, consisting of 30,357 images across nine categories, was used. The model includes three additional blocks that separate the classification tasks. Training applied a multitask learning approach with a combined loss and distinct optimization. Results show 99% accuracy for type classification and 98% for freshness. The findings highlight the effectiveness of multitask CNN in supporting automated horticultural quality inspection.Keywords: Convolutional Neural Network, fruit and vegetable classification, ResNet-18, freshness, image processin
Cognitive Successive Interference Cancellation for Multi-User Visible Light Communication Systems
Get PDFWireless communication technology continues to face challenges in meeting high bandwidth demands and the capability to serve numerous users. One promising solution is the non-orthogonal multiple access (NOMA) scheme, particularly through the use of power domain (PD) in the application of visible light communication (VLC) technology. However, PD-NOMA still faces power allocation and detection issues at the receiver end. We propose the Cognitive-SIC-VLC method, which considers the line of sight (LOS). Using combined multiplexing techniques, variations in user positions within the system can result in low SNR (dB) values when detecting a BER threshold of 10-3. In three power allocation experiment scenarios, the third scenario was the best with an initial power allocation of 0.95 and a power increment for each user of 0.05. This has been proven to have very low SNR requirements for users close to the LED