Techno.Com
Not a member yet
738 research outputs found
Sort by
Power Generation System pada Gas Turbine Generator SGT- 800 di PT Kilang Pertamina Balikpapan
Full text linkPenelitian ini mengevaluasi kinerja serta efisiensi sistem pembangkit listrik tersebut dalam memenuhi kebutuhan energi kilang. Metode penelitian yang digunakan melibatkan analisis mendalam terhadap data operasional dan teknis dari turbin gas generator, serta faktor-faktor yang memengaruhi kinerja dan efisiensi. Hasil penelitian menunjukkan bahwa sistem pembangkit listrik ini mampu memberikan output daya yang stabil dan efisien sesuai dengan permintaan kilang. Parameter operasional seperti suhu, tekanan, dan kestabilan aliran gas memiliki peran penting dalam menjaga kinerja yang optimal. Selain itu, pemeliharaan berkala dan pemantauan secara rutin terhadap komponen-komponen kritis juga diperlukan untuk memastikan kelancaran operasi sistem pembangkit listrik. Temuan ini memberikan wawasan yang berharga bagi industri energi terkait pengoperasian dan pemeliharaan sistem pembangkit listrik berbasis turbin gas generator. Pengoptimalan proses operasional dan pemeliharaan yang tepat dapat meningkatkan efisiensi dan produktivitas sistem pembangkit listrik, sehingga mendukung kelancaran operasi kilang dan meminimalkan potensi gangguan pada pasokan energi. Kesimpulannya, penelitian ini menyoroti pentingnya pengelolaan yang efektif terhadap sistem pembangkit listrik guna mencapai tujuan keberlanjutan dan efisiensi energi yang diinginkan.
Kata kunci: Pembangkit Listrik, Turbin Gas Generator SGT-800, Sistem Pembangkit Daya, Efisiensi Energi
Aplikasi Pengolahan Citra Digital Untuk Kebutuhan Absensi Karyawan Dengan Metode Euclidean Distance
Full text linkPenelitian ini bertujuan untuk merancang dan mengembangkan aplikasi pengolahan citra digital guna mendukung pencatatan jam kerja engineer secara efisien, khususnya pada Divisi HISD di PT Multipolar Technology. Aplikasi ini menggunakan metode Euclidean Distance dalam proses pengenalan wajah untuk kebutuhan absensi karyawan. Sistem dirancang agar dapat berfungsi secara optimal sebagai alat pengarsipan data lokal tanpa menimbulkan gangguan teknis maupun operasional. Selain itu, aplikasi ini diharapkan mampu menyediakan data yang andal untuk mendukung perhitungan KPI dan menganalisis beban kerja individu. Aplikasi dibangun menggunakan bahasa pemrograman Python dengan integrasi pustaka OpenCV, InsightFace, dan database Redis. Hasil pengujian menunjukkan bahwa sistem mampu mengenali wajah dengan akurat serta mempermudah proses pencatatan timesheet, sehingga dapat meningkatkan produktivitas dan pemantauan kinerja.
Kata kunci: Face Recognition, Euclidean Distance, Python
Klasifikasi Sentimen Ulasan Pengguna terhadap Aplikasi Video Editing Play Store Menggunakan Random Forest
Full text linkKemajuan teknologi mendorong meningkatnya penggunaan aplikasi video editing pada Google Play Store, sehingga menginterpretasikan ulasan dari pengguna secara akurat menjadi sangat penting. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna terhadap aplikasi CapCut, InShot, Kinemaster, dan Filmora. Data ulasan diperoleh melalui web scraping dan selanjutnya diproses dengan metode TF-IDF untuk pembobotan kata. Dataset dipisahkan menjadi dua bagian, yakni 80% untuk pelatihan dan 20% untuk pengujian. Random Forest digunakan sebagai algoritma utama dalam pembuatan model klasifikasi sentimen, sementara penilaian performa model dilakukan melalui pengukuran akurasi, presisi, recall, dan F1-score. Temuan penelitian mengindikasikan algoritma Random Forest dapat mengelompokkan sentimen pengguna dengan tingkat akurasi mencapai 84% dari total 4.000 data ulasan di setiap aplikasi. Temuan ini mengindikasikan Random Forest dinilai handal dalam menangani dan menginterpretasikan opini yang diberikan oleh pengguna terhadap aplikasi video editing. Kesimpulan ini memperkuat peran analisis sentimen dalam pengembangan dan peningkatan kualitas aplikasi berbasis ulasan pengguna di platform digital.
Kata kunci: Analisis Sentimen, Random Forest, TF-IDF, Aplikasi Video Editing, Play Store
A Novel Simulink-Based Implementation of Cosine Comparator Logic for Gate Control in Three-Phase Controlled Rectifiers
Full text linkThis paper proposes a cosine comparator-based firing angle control strategy for three-phase full-wave thyristor rectifiers. Gate pulses are generated by comparing phase-synchronized cosine reference signals with a tunable threshold voltage, allowing precise control over conduction intervals. The method’s effectiveness is evaluated across firing angles ranging from 30° to 120° under RLC load conditions. Quantitative results demonstrate accurate gate synchronization and substantial reduction in Total Harmonic Distortion (THD)—by over 50% relative to conventional ramp-based techniques. The findings confirm the proposed control scheme's potential for high-performance, low-distortion AC-DC conversion, making it suitable for industrial and educational power electronics applications.
Keywords - Three-phase controlled rectifier, cosine comparator, firing angle, Simulink modeling, thyristor gate control, FFT analysis
Mendeteksi Emosi Berdasarkan Postingan Sosial Media X Menggunakan Algoritma Long Short-Term Memory
Full text linkEmosi merupakan aspek penting dalam komunikasi manusia yang sering muncul melalui unggahan di media sosial. Emosi tersebut diekspresikan dalam teks berbahasa Indonesia di platform media sosial X. Penelitian ini bertujuan untuk mendeteksi lima kategori emosi, yaitu marah, takut, senang, cinta, dan sedih. Model yang digunakan adalah algoritma Long Short-Term Memory (LSTM) dengan representasi kata dari FastText. Model dilatih menggunakan metode EarlyStopping dan dievaluasi dengan metrik akurasi, presisi, recall, dan F1-score. Hasil menunjukkan bahwa model mencapai akurasi sebesar 79% pada data testing dengan performa yang relatif seimbang untuk setiap kategori emosi. Penelitian ini menunjukkan bahwa FastText dan LSTM efektif untuk mendeteksi emosi dalam teks media sosial berbahasa Indonesia. Penelitian ini diharapkan bermanfaat dalam pengembangan penelitian berbasis emosi, seperti analisis sentimen, pemantauan opini publik, dan sistem pendukung kesehatan mental.
Kata Kunci – Deteksi Emosi, Sosial Media, Long Short-Term Memory, FastTex
Alat OSINT Berbasis Web untuk Deteksi URL Phishing Menggunakan Integrasi API
Full text linkPhishing merupakan teknik kejahatan siber yang memanfaatkan rekayasa sosial untuk mencuri data sensitif, seperti kredensial login dan informasi keuangan. Kesulitan dalam mendeteksi URL phishing yang sering kali tersamarkan menjadi permasalahan utama. Penelitian ini menawarkan solusi berupa alat Open Source Intelligence (OSINT) berbasis web yang dibangun menggunakan framework Laravel dan bahasa pemrograman PHP. Alat ini mengintegrasikan tiga API, VirusTotal, WhoisXML, dan ip-api—untuk memverifikasi keamanan URL secara otomatis. Dengan menggunakan metodologi waterfall untuk pengembangan dan siklus hidup OSINT untuk operasional, sistem ini mampu melakukan analisis mendalam terhadap URL yang diinput pengguna. Hasil pengujian kuantitatif terhadap 80 URL menunjukkan tingkat akurasi deteksi sebesar 98,75%, dengan hanya satu kasus false positive. Luaran dari penelitian ini adalah sebuah alat OSINT yang tidak hanya mampu mendeteksi URL phishing secara akurat, tetapi juga menyediakan laporan analisis mendetail, informasi domain, serta fitur edukasi berupa panduan dan kuis interaktif untuk meningkatkan kesadaran pengguna terhadap ancaman siber.
Kata Kunci : Phishing, Open Source Intelligence, Application Programming Interface, Website Deteksi URL Phishing, Framework Larave
Analisis Akurasi dan Waktu Proses Deteksi Sentimen Menggunakan Image Mel-Spectrogram
Full text linkDalam upaya meningkatkan interaksi manusia-mesin, penelitian deteksi sentimen sudah banyak dilakukan peneliti untuk tujuan tersebut. Seiring dengan berkembangnya Mesin Pembelajaran, penelitian ini akan membandingkan kemampuan empat model klasifikasi : CNN, CRNN, SVM, dan MLP—dalam mengidentifikasi sentimen berbasis gambar Mel-spectrogram. Penelitian ini memanfaatkan representasi Mel-Spectrogram dari 640 sampel image ( gambar ) spektrogram yang mencakup delapan kelompok kelas sentimen berbeda. Setelah melalui tahap praproses data gambar dan ekstraksi fitur, kinerja model dievaluasi menggunakan validasi silang 10-fold serta metrik akurasi, presisi, recall, dan F1-score. CNN dan CRNN mencapai akurasi tertinggi (100%), sedangkan SVM dan MLP mencapai 99,22%. Dari sisi waktu pelatihan, SVM membutuhkan waktu paking sedikit, yaitu sebesar 0,45 detik. Penelitian ini bertujuan untuk mengetahui efektivitas pendekatan image (gambar) Mel-Spectrogram dan menegaskan perlunya pertimbangan trade-off antara akurasi tinggi dan efisiensi komputasi dalam pemilihan model.
Kata Kunci – Analisis, Mel-Spectogram, Sentimen, Waktu Prose
Penggunaan Algoritma K-Means dalam Mengelompokkan Jumlah Usaha dan Hasil Pendapatan UMKM DKI Jakarta
Full text linkUMKM Provinsi DKI Jakarta berkontribusi signifikan terhadap perekonomian daerah. Namun, ada permasalahannya pemetaan data lemah, segmentasi usaha kurang, belum adanya pemetaan yang jelas mengenai jumlah usaha dan pendapatan, keterbatasan akses data dan validitas informasi, serta belum adanya diferensiasi program pembangunan berdasarkan karakteristik usaha. Tujuan penelitian adalah menganalisis data jumlah usaha dan hasil pendapatan UMKM menggunakan metode K-means. Metode ini digunakan mengelompokkan jumlah usaha dan hasil pendapatan. Hasil klasterisasi menghasilkan tiga klaster wilayah: Klaster (1) yaitu kota administratif Jakarta Pusat, Jakarta Selatan, dan Jakarta Timur, memiliki jumlah usaha dan pendapatan tertinggi. Klaster(2) yaitu kota administratif Jakarta Barat dan Jakarta Utara, memiliki jumlah usaha dan pendapatan sedang. Klaster(3) yaitu kota administratif Kepulauan Seribu, memiliki jumlah usaha dan pendapatan yang rendah. Hasil evaluasi proses klasterisasi mempergunakan Davies Bouldin Index (DBI) bernilai -0.390. Hasil ini menunjukkan K-Means dapat memetakan jumlah usaha dan hasil pendapatan, sehingga memudahkan dalam menetapkan strategis kebijakan, mengembangkan usaha, dan menyusun strategi pemasaran berdasarkan karakteristik ekonomi setiap daerah.
Kata Kunci – UMKM, Provinsi DKI Jakarta, Klasterisasi, Metode K-Mean
Evaluasi Kinerja Algoritma Apriori dan FP-Growth untuk Association Rule Mining pada Data Transaksi Ritel
Full text linkLedakan data transaksi ritel yang terekam melalui sistem Point of Sale (POS) dan platform daring menuntut metode analisis yang efektif untuk menggali pola pembelian konsumen. Association Rule Mining merupakan pendekatan populer untuk menemukan keterkaitan antarproduk, dengan algoritma Apriori dan FP-Growth sebagai dua metode yang paling banyak digunakan. Penelitian ini bertujuan memberikan gambaran empiris mengenai efektivitas kedua algoritma tersebut pada data transaksi ritel yang nyata. Metode yang digunakan meliputi tahapan data understanding untuk mengenali struktur data, data cleaning untuk menghapus nilai kosong dan menyeragamkan format, serta data transformation menggunakan TransactionEncoder untuk mengubah data mentah menjadi format biner (one-hot encoded). Selanjutnya algoritma Apriori dan FP-Growth dijalankan dengan parameter yang sama untuk menghasilkan frequent itemsets dan aturan asosiasi. Evaluasi kinerja dilakukan dengan mengukur waktu pemrosesan, jumlah aturan yang dihasilkan, serta nilai support, confidence, dan lift tertinggi. Hasil penelitian menunjukkan bahwa kedua algoritma menghasilkan jumlah aturan yang sama (63 aturan) dengan support tertinggi 0,06, confidence tertinggi 0,51, dan lift tertinggi 3,29, tetapi waktu pemrosesan berbeda signifikan (Apriori 0,39 detik, FP-Growth 6,95 detik). Kesimpulannya, association rule mining efektif mengungkap pola pembelian konsumen, dan algoritma Apriori lebih efisien untuk dataset kecil hingga menengah, sedangkan FP-Growth lebih sesuai untuk dataset yang jauh lebih besar.
Keywords - Association Rules, Apriori, FP-Growth, Frequent Itemset, Transaksi Ritel
Klasifikasi Sinyal EEG Subband Beta untuk Identifikasi Persepsi Rasa Manis dan Asam Menggunakan Algoritma Machine Learning
Full text linkAktivitas gelombang otak (EEG) dapat digunakan untuk mengenali respons manusia terhadap stimulus sensorik, termasuk persepsi rasa. Penelitian ini bertujuan untuk mengklasifikasikan aktivitas otak terhadap dua jenis stimulus rasa, yaitu rasa manis (Susu) dan rasa asam (Lemon), menggunakan sinyal EEG pada subband Beta (12–25 Hz) dengan pendekatan machine learning. Penelitian ini merupakan pengembangan dari studi sebelumnya yang hanya menampilkan visualisasi topografi otak (brain heatmap), dengan menambahkan analisis klasifikasi otomatis berbasis kecerdasan buatan. Data EEG direkam dari empat kanal utama, yaitu T3, T4, CP1, dan CP2, kemudian diekstraksi menggunakan dua fitur utama: Mean Absolute Value (MAV) dan Variance (VAR). Total data yang digunakan sebanyak 10.644 potong data (3.550 Susu dan 7.094 Lemon). Tiga algoritma machine learning digunakan untuk membandingkan performa klasifikasi, yaitu Support Vector Machine (SVM), K-Nearest Neighbor (KNN), dan Decision Tree (DT). Hasil pengujian menunjukkan bahwa Decision Tree menghasilkan performa terbaik dengan akurasi 84,0%, F1-score 0,727, dan ROC AUC 0,789, diikuti oleh KNN dengan akurasi 76,6%. Model SVM linear menunjukkan performa terendah akibat ketidakseimbangan data dan distribusi non-linear. Hasil ini membuktikan bahwa fitur EEG pada subband Beta dapat digunakan untuk membedakan stimulus rasa manis dan asam secara objektif. Penelitian ini memberikan kontribusi terhadap pengembangan sistem EEG-based Taste Recognition dan membuka peluang penerapan dalam bidang neurogastronomi serta Brain–Computer Interface (BCI).
Kata kunci: EEG, subband Beta, klasifikasi rasa, machine learning, Decision Tree