Institut Teknologi Nasional: Jurnal Itenas Online
Not a member yet
1717 research outputs found
Sort by
Kinerja Model EfficientNetV2M dalam Klasifikasi Citra Tutupan dan Penggunaan Lahan
Get PDFAbstrakTutupan lahan merujuk pada unsur-unsur fisik yang terlihat di permukaan bumi, termasuk berbagai material seperti rumput, aspal, pepohonan, tanah terbuka, air, dan material fisik lainnya. Penggunaan lahan mengacu pada bagaimana manusia memanfaatkan lahan, baik di wilayah perkotaan maupun pedesaan. Klasifikasi menggunakan deep learning merupakan metode yang akurat dan bertujuan untuk membantu mendapatkan informasi mengenai tutupan lahan di suatu wilayah. Pada penelitian ini digunakan metode EfficientNetV2M yang merupakan versi terbaru dari pendahulunya yaitu EfficientNet, yang mana metode EfficientNetv2M diharapkan mampu melakukan tugasnya untuk klasifikasi citra satelit tutupan lahan. Beberapa hyperparameter yang digunakan untuk membantu EfficientNetV2M dalam mencapai kinerja yang optimal ini adalah activation function ReLU dan GELU. Hasil klasifikasi tertinggi yang dapat dicapai oleh EfficientNetV2M ini adalah 97% dengan menggunakan ReLU Activation Function dan Optimizer Adamax.Kata kunci: Deep Learning, EfficientNetV2M, tutupan lahan, hyperparameter, activation function.AbstractLand cover refers to the physical elements visible on the Earth's surface, including materials such as grass, asphalt, trees, bare soil, water, and other physical materials. Land use refers to how humans utilize land, both in urban and rural areas. Classification using deep learning is an accurate method and aims to help obtain information about land cover in an area. In this study, the EfficientNetV2M method was used which is the latest version of its predecessor, namely EfficientNet, which method is expected to be able to carry out operations for land cover satellite image classificationSome of the hyperparameters used to help EfficientNetV2M achieve optimal performance are the ReLU and GELU activation functions. The highest classification result that can be achieved by EfficientNetV2M is 97% by using ReLU Activation Function and Optimizer Adamax.Keywords: Deep Learning, EfficientNetV2M, land cover, hyperparameter, activation function
Rancang Bangun Doppler X-Band Speed Detector untuk Kendaraan Roda Dua pada Jalan Kelas IIIC
Get PDFABSTRAKJalan kelas IIIC memiliki struktur yang lebih sempit dan biasanya dibangun didekat permukiman penduduk untuk penggunaan pejalan kaki. Selain pejalan kaki, kendaraan motor roda dua juga dapat mempergunakaan jalan tersebut. Permasalahan mulai timbul saat kendaaraan bermotor memiliki kecepatan yang cukup tinggi sehingga membahayakan pengguna jalan lainnya khususnya pedestrian. Untuk mengatasi hal tersebut, pada penelitian ini dilakukan pengembangan X-band speed detector berbasis efek pergeseran doppler untuk kendaraan motor roda dua di jalan kelas IIIC. Detektor yang dibangun mengimplementasikan sensor HB100 dengan frekuensi 10 GHz Adapun efek pergeseran doppler diproses menggunakan Arduino. Parameter yang dijadikan perhitungan diantaranya kecepatan, pergeseran doppler, dan jarak detektor. Hasil pengujian menunjukan bahwa sistem berhasil memiliki akurasi diatas 95% (atau error <5%) pada dengan rentang kecepatan 20-60 Km/jam.Kata kunci: detektor kecepatan; pergeseran doppler; x-band; akurasi ABSTRACTClass roads have a narrow structure and are usually built near residential areas for pedestrian use. In addition to pedestrians, two-wheeled motorbikes can also use the road. Problems arise when motorized vehicles travel at high speeds, endangering other road users, especially pedestrians. To address this issue, this research proposes an X-band speed detector based on the Doppler shift effect for motorcycles. The built detector uses the HB100 sensor with a frequency of 10 GHz, and the Doppler shift effect is processed using Arduino. The parameters used for calculations include speed, Doppler shift, and detector distance. The measurement results show that the system has an accuracy above 95% (or an error rate of less than 5%) in a speed range of 20-60 Km/hour.Keywords: speed detector, doppler shift, x-band, accuracy
Perancangan dan Implementasi Self-Checkout System pada Toko Ritel menggunakan Convolutional Neural Network (CNN)
Get PDFABSTRAKPerkembangan teknologi self-checkout system meningkatkan efektivitas dalam melakukan proses pembayaran. Self-checkout system merupakan fasilitas yang memungkinkan konsumen untuk melakukan pembayaran melalui scanning beberapa produk sekaligus dalam satu waktu dan pengemasan secara mandiri. Penelitian ini mengusulkan self- heckout system menggunakan Convolutional Neural Network (CNN) dan arsitektur model MobileNetV2 dengan metode hamming loss. Perancangan sistem diimplementasikan pada GUI sebagai user interface penelitian. Dataset yang digunakan pada penelitian ini berjumlah 247 citra dengan resolusi 224 x 224 pixels terhadap tiga jenis produk Teh Botol, Indomie dan Chitato. Hasil pengujian menunjukkan nilai akurasi deteksi sebesar 88.8% dengan hamming loss 0.12%. Posisi produk dalam keadaan berjarak dapat meningkatkan nilai akurasi. Sistem GUI pada penelitian ini berhasil mendeteksi produk hanya dalam waktu 1 detik.Kata kunci: self-checkout system, convolutional neural network, MobileNetV2 ABSTRACTThe development of self-checkout system technology increases the effectiveness of the payment process. Self-checkout system is a facility that allows consumers to make payments through scanning several products at the same time and packaging independently. This research proposes a self-checkout system using Convolutional Neural Network (CNN) and MobileNetV2 model architecture with hamming loss method. The system design is implemented on a GUI as a research user interface. The dataset used in this study amounted to 247 images with a resolution of 224 x 224 pixels of three types of bottled tea, Indomie and Chitato products. The test results show a detection accuracy value of 88.8% with a hamming loss of 0.12%. The position of the product in a spaced state can increase the accuracy value. The GUI system in this research successfully detects products in just 1 second.Keywords: self-checkout system, convolutional neural network, MobileNetV
Respon Pengendara Akibat Distraksi Melalui Perancangan Game Driving Simulator Berbasis VR
Get PDFABSTRAKKetika seseorang mengalami distraksi, maka proses penerimaan informasi akan terganggu. Faktor yang mempengaruhi proses berkendara yaitu faktor internal (kemampuan berkendara) dan faktor eksternal (kondisi lalu lintas). Pada penelitian ini dilakukan perancangan dan realisasi Game Driving Simulator untuk mengetahui respon pengendara akibat distraksi. Perancangan dilakukan menggunakan perangkat lunak Unity dan dengan menggunakan Virtual Reality (VR). Tahap perancangan dimulai dari melakukan import asset, perancangan environment, mobil player, MobilBot, UI, program level dan pengambilan data. Analisa dilakukan setelah pengambilan data dengan menggunakan Analysis of Variance (ANOVA). Hasil analisa ANOVA menunjukkan bahwa distraksi berpengaruh terhadap responden, namun responden akan terbiasa jika sering melewati distraksi yang sama. Perbedaan level berpengaruh pada tiap responden.Kata kunci: Kognitif, Virtual Reality, Unity, ANOVA, Distraksi, Berkendara, SimulatorABSTRACTWhen a person experiences distraction, the process of receiving information will be disrupted. Factors that influence the driving process are internal factors (driving ability) and external factors (traffic conditions). In this research, the design and realization of the Driving Simulator Game was carried out to determine the driver’s response due to distraction. The design is done using Unity software and by using Virtual Reality (VR). The design stage starts from importing assets. Designing the environment, player car, bot car, UI, program level, and data retrieval. The analysis was carried out after data collection using Analysis of Variance (ANOVA). ANOVA is used to determine the driver’s response due to distraction in the Driving Simulator Game. The results of the ANOVA analysis show that distraction affects the respondents, but respondents will get used to it if they often pass through distractions. Different levels affect each respondent.Keywords: Cognitive, Virtual Reality, Unity, ANOVA, Distraction, Driving, Simulato
RESULTANT: Data Preparation Techniques to Improve XGBoost Algorithm Performance
Get PDFABSTRAKPrediksi credit scoring saat ini banyak digunakan dalam layanan peer-to-peer lending oleh perusahaan teknologi finansial. Salah satu teknologi yang digunakan untuk credit scoring adalah data mining menggunakan algoritma machine learning XGBoost yang memiliki tingkat akurasi yang tinggi. RESULTANT diusulkan sebagai teknik yang digunakan untuk memaksimalkan hasil dari salah satu tahapan data mining yaitu preparasi data. Dataset yang digunakan adalah data Lending Club dengan total 2.260.701 record dan 151 variabel. Tahapan yang dilakukan pada RESULTANT adalah seleksi fitur, penanganan missing value, penanganan data outlier dan penanganan data ketidakseimbangan. Dari tahap RESULTANT, dihasilkan 44 variabel akhir yang siap digunakan untuk membangun model dengan menggunakan algoritma XGBoost. Hasil menunjukkan bahwa RESULTANT mampu meningkatkan performa algoritma XGBoost dengan akurasi 99,17%, presisi 99,28%, recall 99,05%, spesifisitas 99,29%, ROC/AUC 99,94%, dan skor f1 99,17%.Kata kunci: XGBoost, Preparasi Data, Seleksi Fitur, Missing Value, OutlierABSTRACTCredit scoring predictions are currently widely used in peer-to-peer lending services by financial technology companies. One of the technologies used for credit scoring is data mining using the XGBoost machine learning algorithm which has a high degree of accuracy. We present RESULTANT as a technique used to maximize the results of one of the stages of data mining, namely data preparation. The dataset used is Lending Club data with a total of 2,260,701 records and 151 variables. The stages carried out in RESULTANT are feature selection, handling missing values, handling outlier data and handling imbalance data. From the RESULTANT stage, 44 final variables are produced which are ready to be used to build models using the XGBoost algorithm. The results showed that RESULTANT was able to improve the performance of the XGBoost algorithm with accuracy 99,17%, precision 99,28%, recall 99,05%, specificity 99,29%, ROC/AUC 99.94%, and f1-score 99,17%.Keywords: XGBoost, Data Preparation, Feature Selection, Missing Value, Outlie
Kesesuaian Penggunaan Bahan Bangunan Rumah Tinggal Di Indonesia
No full textIndonesia terletak di jajaran gunung api aktif pasifik, yang sering disebut cincin api atau ring of fire merupakan penyebab seringnya Indonesia mengalami gempa bumi. Leluhur sudah memberikan contoh hunian yang cocok dan sudah teruji untuk ditinggali di daerah gempa. Kondisi geografis yang berbeda di setiap daerah menyebabkan rumah tradisional setiap suku di Indonesia berbeda-beda juga. Namun akibat gencarnya budaya luar masuk ke Indonesia, banyak dari masyarakat membangun huniannya mengikuti budaya luar.Tentu saja hunian ini kurang cocok di Indonesia karena berbeda kondisi alamnya. Banyak hunian yang rusak atau hancur ketika terjadi gempa bumi. Hal ini karena ketidakcocokan bahan bangunan yang digunakan. Oleh karena itu, kajian ini dibuat untuk mengetahui material bangunan apa yang tidak cocok digunakan di daerah rawan gempa. Kajian ini menggunakan metoda kuantitatif dengan mengumpulkan dan menganalisa data-data dari Badan Pusat Statistik Nasional dan sumber lainnya. Kajian ini juga menawarkan solusi berupa informasi kepada masyarakat tentang material bangunan yang sebaiknya digunakan di daerah rawan gempa. Bahan bangunan yang sudah teruji oleh alam dan leluhur. Dengan adanya hasil kajian ini diharapkan bisa meminimalisir terjadinya kerusakan bangunan ketika terjadi gempa bumi
Analisis Kebutuhan Kapasitas Fondasi Piled Raft Studi Kasus Pegadaian Tower, Jakarta Pusat
Get PDFABSTRAKPada artikel ini akan dibahas analisis kapasitas fondasi rakit dengan tambahan fondasi tiang (piled raft) pada Pegadaian Tower, Jakarta Pusat. Analisis dilakukan berdasarkan SNI 8460:2017 yaitu fondasi harus memenuhi persyaratan kekuatan terhadap gaya vertikal maupun horizontal dengan faktor keamanan yang mencukupi. Berdasarkan hasil penyelidikan tanah, Pegadaian Tower berada di atas lapisan tanah lunak hingga kedalaman 20 meter, terdapat lapisan lensa tanah, dan tidak ditemukan lapisan tanah keras dengan N > 60 hingga kedalaman 80 meter, sehingga dipilih jenis fondasi piled raft. Metodologi analisis dimulai dengan menentukan pembebanan berdasarkan standar yang berlaku, melakukan analisis kapasitas fondasi raft dan bored pile. Berdasarkan hasil perancangan, didapat diameter bored pile dengan diameter 1,2-meter pada kedalaman 35-meter dan daya dukung aksial sebesar 3928,87, dibutuhkan sebanyak 220 tiang, sehingga menghasilkan daya dukung 468.628,28 kN (81,848%). Daya dukung fondasi raft sebesar 54,25 kN/m2 (18,15%) dengan ketebalan 1,6 meter.Kata kunci: piled raft, bored pile, daya dukung fondasi, penurunan fondasiABSTRACTIn this article, we will discuss the analysis of the capacity of the piled-raft foundation at Pegadaian Tower, Central Jakarta. The analysis was carried out based on SNI 8460: 2017, namely the foundation must meet the strength requirements for vertical and horizontal forces with an adequate safety factor. Based on soil investigation, Pegadaian Tower stood on top of a soft soil layer up to a depth of 20 meters, there is a layer of soil lenses, and no hard soil layer with N > 60 is found up to a depth of 80 meters, so the piled raft foundation type was chosen. Methodological analysis begins with determining the loading based on applicable standards, analyzing the capacity of raft foundations and bored piles. Based on the results, bored pile diameter with a diameter of 1.2-meters at a depth of 35-meters and an axial carrying capacity of 3928,87 kN, 220 piles are needed, resulting in a carrying capacity of 468.628,28 kN (81,848%). The bearing capacity of the raft foundation is 54,25 kN/m2 (18,15%) with a thickness of 1,6 meters.Keywords: piled raft, bored pile, foundation bearing capacity, foundation settlemen
Perencanaan Pengelolaan Limbah Bahan Berbahaya dan Beracun (B3) Pada Perusahaan Kelapa Sawit (Studi kasus: PT X di Kalimantan Barat)
Get PDFABSTRAKKelapa sawit merupakan salah satu industri dengan perkembangan yang pesat di Indonesia. Pengolahan kelapa sawit disertai keluaran lain berupa limbah B3 dari genset, kendaraan, pekerja, stasiun boiler, stasiun WTP, penerangan dan klinik perusahaan. Limbah B3 harus dikelola sesuai peraturan yang berlaku agar tidak mencemari lingkungan. Penelitian bertujuan mengetahui jenis limbah B3 yang dihasilkan PT.X serta cara pengelolaannya, mengevaluasi pengelolaan limbah dan merencanakan pengelolaan limbah B3 sesuai peraturan. Metode yang digunakan yaitu evaluasi dengan Skala Guttman berdasarkan Permen LHK No.6 tahun 2021, PP No.22 tahun 2021 dan Permenkes No.7 Tahun 2019. Kemudian direncanakan pengelolaan limbah B3 berdasarkan hasil dari evaluasi. Berdasarkan hasil penelitian evaluasi untuk pewadahan dan pengemasan adalah 62,5 % termasuk kategori ‘Baikâ€, sistem penyimpanan adalah 33,33% termasuk kategori ‘Buruk’, bangunan penyimpanan adalah 75% termasuk kategori ‘Baik’, dengan label limbah belum ada penggunaan label pada kemasan limbah B3 di PT.X. Sedangkan untuk limbah klinik belum bisa dilakukan evaluasi karena belum ada pengelolaan yang dilakukan. Evaluasi menghasilkan beberapa perbaikan dalam pengelolaan limbah B3 PT.X dari pengurangan, pengumpulan dan penyimpanan, pengangkutan, pemanfaatan, serta pengolahan dan peninbunan. ABSTRACTPalm oil processing also produces hazardous and toxic waste as a side output that comes from generation, vehicles, workers, boiler stations, WTP stations, lighting system and clinics. This waste must be managed according to regulations, so it doesn’t pollute the environment. The purpose of this research is to identify the type of hazardous and toxic waste in PT X and how to manage it, to evaluate it and planning waste management to comply with regulations. The method used is an evaluation using the Guttman Scale based on the Permen LHK No. 6 of 2021, PP No. 22 of 2021 and Permenkes No. 56 of 2019. After that, waste management will be planned based on the evaluation results. The evaluation result for the packaging criteria is 62,5% into the 'Good' category, the storage system criteria is 33,33% into the 'Bad' category, the storage building criteria is 75% into the ' Good' category, and there’s no label on the waste packaging. Meanwhile, clinical waste cannot be evaluated because there’s no waste management carried out. Based on the evaluation, there are several improvement plans that need to be carried out, starting from reduction, collection and storage, transportation, utilization, processing and waste dump
Pengaruh Spasi antar Helix terhadap Daya Dukung Fondasi Helical Pile pada Tanah Limestone dengan Metode Hoek Brown dan Mohr Coloumb
Get PDFABSTRAKRencana pembangunan pembangkit listrik tenaga surya di bali. Karena pembangunan berada di lokasi bukit tinggi dekat laut yang dimana memiliki hembusan angin yang cukup kuat sehingga memengaruhi kuat aksial tekan dan aksial tarik. Oleh karena itu alternatif untuk menahan beban tekan dan tarik yaitu menggunakan fondasi Helical pile dimana lokasi penempatanya di bebatuan tanah Limestone. Dalam pemodelan fondasi helical pile divariasikan spasi helix nya yaitu 0,1 m; 0,15; m 0,2 m; dan 0,3 m. Hasil Deformasi dipemodelan plaxis 3D ada yaitu daya dukung ultimate dengan perbandingan model tanah Hoek Brown dan Mohr Coloumb dimana nilai daya dukung nya berbeda karena parameter dan spasi helix mempengaruhi nilai daya dukung. Untuk perhitungan analitis daya dukung menggunakan 2 metode yaitu Individual Bearing dan Cylindrical Shear. Tahapan perhitungan 2 metode memiliki nilai daya dukung yang berbeda berdasarkan nilai variasi spasi antar helix.Kata kunci: helical pile, Plaxis 3D, Hoek Brown, Mohr Coloumb ABSTRACTPlans to build a solar power plant in Bali. Because the development is located on a high hill near the sea which has strong enough wind gusts that affect axial compressive and axial tensile strength. Therefore an alternative to withstand compressive and tensile loads is to use a Helical pile foundation where the location is placed in Limestone soil rocks. In modeling the helical pile foundation, the helix spacing varies, namely 0.1 m 0.15 m 0.2 m and 0.3 m. The results of deformation in 3D plaxis modeling are the ultimate bearing capacity with a comparison of the Hoek Brown and Mohr Coloumb soil models where the bearing capacity values are different because the parameters and helix spacing affect the bearing capacity values. For the analytical calculation of the carrying capacity using 2 methods, namely Individual Bearing and Cylindrical Shear. The calculation stages of the 2 methods have different carrying capacity values based on the variation in the spacing between helix.Keywords: helical pile, Plaxis 3D, Hoek Brown, Mohr Coloum
PENGOLAHAN LIMBAH CAIR TAHU DENGAN TEKNOLOGI ROTARY ALGAE BIOFILM REACTOR (RABR) MENGGUNAKAN SIMBIOSIS ALGA BAKTERI DENGAN VARIASI KECEPATAN PUTARAN DISK
Get PDFLimbah cair tahu memiliki kandungan bahan organik yang tinggi, sehingga dapat memicu terjadinya penurunan kualitas perairan. Simbiosis alga bakteri adalah teknologi alternatif yang menjadi solusi dalam pengolahan air limbah. Rotary Algae Biofilm Reactor (RABR) diidentifikasi sebagai bioreaktor alternatif untuk pengolahan air limbah industri dengan kombinasi sistem suspended growth dan attached growth pada media disk. Penelitian ini bertujuan untuk mempelajari pengaruh kecepatan putaran disk dan waktu kontak pada proses RABR untuk penurunan kadar organik BOD dan COD. Penelitian dilakukan dengan memvariasikan kecepatan putaran yaitu 3 rpm, 5 rpm, dan 7 rpm serta waktu kontak 0, 1, 3, dan 5 hari untuk menyisihkan parameter BOD dan COD pada limbah cair tahu. Hasil dari penelitian menunjukkan efisiensi tertinggi selama proses pengolahan dalam menyisihkan parameter yaitu pada variasi kecepatan putaran disk 7 rpm di hari ke-5, dengan efisiensi penyisihan BOD 73,42% dengan konsentrasi awal 737,4 menjadi 196 mg/L dan COD 70,64% dengan konsentrasi awal 981 mg/L menjadi 288 mg/L