49971 research outputs found
Sort by
Evaluasi Spesifikasi Minimal Perangkat SDR untuk Modul Pemancar pada berbagai Aplikasi RADAR CC-OFDM-MIMO
No full textStudi ini berfokus pada evaluasi spesifikasi minimal perangkat SDR (Software Defined Radio) untuk modul pemancar pada berbagai aplikasi radar CC-OFDM MIMO. Teknologi radar ini menawarkan keunggulan seperti ortogonalitas multidimensi, peningkatan resolusi jarak dan azimuth, fleksibilitas konfigurasi, serta kemampuan menghasilkan beberapa sorot ortogonal secara simultan. Namun, kompleksitas desainnya memerlukan kajian mendalam terhadap keterbatasan perangkat keras, termasuk kebutuhan DSP block, bandwidth, memori, serta faktor DAC (Digital-to-Analog Converter) dalam implementasi praktis. Pendekatan penelitian mencakup analisis sistem radar, pemecahan komponennya, serta pengembangan model matematis untuk memetakan hubungan antara parameter masukan (jumlah beam, subcarrier, simbol, bandwidth) dengan indikator performa utama (resolusi jarak, waktu pada target, dan kemampuan deteksi). Simulasi menggunakan MATLAB dilakukan untuk mengukur kebutuhan operasi dan RFLOPS pada berbagai konfigurasi aplikasi radar. Hasil simulasi menunjukkan bahwa radar pengawasan dengan 63 beam, 2048 subcarrier, dan 12 simbol membutuhkan 40.3 juta operasi, sementara radar otomotif dengan 60 beam, 128 subcarrier, dan 1 simbol hanya memerlukan 200 ribu operasi. Analisis spesifik terhadap FPGA melibatkan evaluasi kemampuan DSP block, latensi, pipeline, serta pengaruh DAC terhadap efisiensi konversi sinyal. Penelitian ini juga mencakup pengembangan formulasi kebutuhan perangkat keras berdasarkan batasan desain, seperti alokasi memori untuk kode Golay, distribusi subband, serta sinkronisasi faseuntuk mempertahankan ortogonalitas antar sinyal.Selain itu, penjadwalan transmisi dan penerimaan dirancang untuk mengurangi coupling antar elemen dan mendukung pengolahan sinyal paralel. Hasil penelitian memberikan panduan komprehensif dalam desain dan implementasi radar CC-OFDM MIMO, termasuk optimalisasi perangkat keras untuk aplikasi spesifik seperti radar pengawasan, otomotif, dan jangkauan pendek. Kontribusi penelitian ini meliputi formulasi hubungan parameter masukan dengan kinerja sistem, evaluasi spesifikasi minimal FPGA dan DAC, serta pengembangan panduan implementasi yang efisien untuk kebutuhan misi tertentu
====================================================================================================================================
This study focuses on the evaluation of the minimum specifications of SDR (Software Defined Radio) devices for transmitter modules in various CC-OFDM MIMO radar applications. This radar technology offers advantages such as multidimensional orthogonality, increased range and azimuth resolution, configuration flexibility, and the ability to generate multiple orthogonal beams simultaneously. However, the complexity of its design requires an in-depth study of hardware limitations, including the need for DSP blocks, bandwidth, memory, and DAC (Digital-to-Analog Converter) factors in practical implementations. The research approach includes radar system analysis, component breakdown, and mathematical model development to map the relationship between input parameters (number of beams, subcarriers, symbols, bandwidth) with key performance indicators (range resolution, time on target, and detection capability). Simulations using MATLAB are performed to measure the operational requirements and RFLOPS in various radar application configurations. Simulation results show that a surveillance radar with 63 beams, 2048 subcarriers, and 12 symbols requires 40.3 million operations, while an automotive radar with 60 beams, 128 subcarriers, and 1 symbol only requires 200 thousand operations. Specific analysis of the FPGA involves evaluating the capabilities of the DSP block, latency, pipeline, and the effect of the DAC on signal conversion efficiency. This research also includes the development of hardware requirement formulations based on design constraints, such as memory allocation for Golay code, subband distribution, and phase synchronization to maintain orthogonality between signals. In addition, transmission and reception scheduling are designed to reduce coupling between elements and support parallel signal processing. The results of this research provide comprehensive guidance in the design and implementation of CC-OFDM MIMO radars, including hardware optimization for specific applications such as surveillance, automotive, and short-range radars. The contributions of this research include the formulation of the relationship between input parameters and system performance, evaluation of minimum specifications for FPGA and DAC, and development of efficient implementation guidelines for specific mission requirement
Segmentasi Tumor Otak Pada Citra MRI Menggunakan 2D ResNeXt
No full textPenelitian ini mengusulkan penggunaan arsitektur 2D Residual Networks with Exponential Number of Transformations (ResNeXt) untuk segmentasi tumor otak pada gambar Magnetic Resonance Imaging (MRI). Penelitian ini bertujuan untuk meningkatkan akurasi dan mempercepat efisiensi komputasi selama pelatihan. Model 2D ResNeXt memiliki keunggulan dalam hal akurasi dan efisiensi waktu komputasi yang dapat dimanfaatkan untuk tugas segmentasi, karena memanfaatkan keunggulan dari struktur residual dan konsep kardinalitas. Kami melatih model 2D ResNeXt dan membandingkannya dengan model ResNet lainnya menggunakan dataset MRI yang sama. Dataset yang digunakan dalam penelitian ini adalah BraTS2020, yang telah diubah dari 3D menjadi 2D. Hasil eksperimen menunjukkan bahwa 2D ResNeXt unggul dalam beberapa metrik evaluasi, dengan nilai Accuracy pada data training} 99,5000% dan 99,0989% pada data validasi. Nilai Loss 0,0198% pada data training dan 0,0466% pada data validasi. Dice Accuracy 99,3606% pada data training dan 98,9745% pada data validasi. Nilai Dice Loss 0,0063% pada data training dan 0,0102% pada data valiasi. Nilai Mean IoU 0,8863. Sementara waktu komputasi dalam proses pelatihan adalah 51 menit dan 8 detik dengan 100 epoch. Hasil eksperimen ini meningkatkan akurasi sebesar 0,0208% dan akurasi dice sebesar 0,0424%. Pada saat yang sama, waktu komputasi meningkat 9 menit dan 57 detik lebih cepat. Eksperimen yang telah dilakukan menunjukkan bahwa model 2D ResNeXt dapat diterapkan untuk tugas segmentasi tumor otak dengan kinerja yang sangat baik, dan hasil yang diperoleh lebih akurat dalam memprediksi gambar.
==================================================================================================================================
This study proposes using 2D Residual Networks with Exponential Number of Transformations (ResNeXt) architecture for brain tumor segmentation in Magnetic Resonance Imaging (MRI) images. This research aims to improve accuracy and speed up computational efficiency during training. The 2D ResNeXt model has advantages in accuracy and computational time efficiency that can be utilized for segmentation tasks, as it utilizes the advantages of residual structure and cardinality concepts. We trained the 2D ResNeXt model and compared it with other ResNet models using the same MRI dataset. The dataset used in this study is BraTS2020, which has been converted from 3D to 2D. Experimental results show that 2D ResNeXt outperforms in several evaluation metrics, with accuracy values on training data 99,5000% and 99,0989% validation data. Loss value 0,0198% on training data and 0,0466% on validation data. Dice accuracy 99,3606% training data and 98,9745% validation data. Dice Loss 0,0063% data training and 0,0102% data validation. Mean IoU 0,8863. While the computation time in the training process is 51 minutes and 8 seconds with 100 epochs. The results of this experiment increase the accuracy by 0,0208% and dice accuracy 0,0424%. At the same time, the computation time increased by 9 minutes and 57 seconds faster. The experiments that have been conducted show that the 2D ResNeXt model can be applied to brain tumor segmentation tasks with excellent performance, and the results obtained are more accurate in predicting images
Optimalisasi Dma Arum Sari Dan Dma Iain Untuk Menurunkan Kehilangan Air Di Perumda Air Minum Tirta Giri Nata Kota Cirebon
No full textPerusahaan Umum Daerah Air Minum Tirta Giri Nata (Perumda AM TGN) Kota Cirebon memiliki cakupan pelayanan sebesar 40,67% pada tahun 2022. Tingkat kehilangan air di Kota Cirebon sebesar 42,39% atau sebanyak 12.080.999 m3 dan potensi kehilangan pendapatan sebesar Rp. 72.133.569.504. Pengendalian kehilangan air perlu dilakukan dengan memetakan strategi optimalisasi DMA eksisting. NRW rata-rata dari bulan Januari 2023 hingga April 2024 pada DMA Arum Sari adalah 41,31% dan pada DMA IAIN adalah 38,22%. Pada April 2024, DMA Arum Sari memiliki 677 unit SR dan nilai NRW 41,25% atau 10.048 m3 air hilang. Potensi kehilangan pendapatan melalui NRW pada DMA IAIN mencapai Rp.48.632.320,00. DMA IAIN memiliki 813 unit SR dan nilai NRW 39.42% atau 13.920m3 air hilang. Potensi kehilangan pendapatan melalui NRW pada DMA IAIN mencapai Rp. 67.372.800,00. Penurunan NRW pada kedua DMA menjadi 20% dapat menyelamatkan air total 11.934 m3. Nilai tersebut setara dengan Rp 57.760.560,00. Tujuan dari penelitian ini adalah melakukan optimalisasi DMA untuk penurunan kehilangan air di DMA Arum Sari dan DMA IAIN. Optimalisasi DMA untuk penurunan kehilangan air perlu memperhatikan beberapa aspek yaitu aspek teknis, finansial, dan kelembagaan sehingga didapatkan strategi penurunan yang terbaik. Metode yang digunakan untuk mengetahui komponen penyebab kehilangan air adalah analisis neraca air menggunakan perangkat lunak WB-EasyCalc. Metode untuk mengkaji strategi optimalisasi penurunan kehilangan air adalah dengan simulasi hidrolis menggunakan perangkat lunak EPANET. Analisis finansial dilakukan dengan memperhitungkan Net Present Value (NPV), Benefit Cost Ratio (BCR), Internal Rate Return (IRR), dan Payback Period (PP). Analisis kelembagaan dilakukan dengan metode Strengths, Weaknesses, Opportunities, and Threats (SWOT). Kehilangan air pada tahun 2023 DMA Arum Sari sebesar 43,90% dan DMA IAIN sebesar 44,26%. Strategi teknis optimalisasi DMA dilakukan untuk menurunkan kehilangan air fisik dan nonfisik sehingga pada tahun ke-5 nilai kehilangan air DMA Arum Sari menjadi 24,93% dan DMA IAIN menjadi 22,34%. Strategi dari hasil analisis aspek kelembagaan yang diperlukan adalah berdasarkan kelemahan dan ancaman yang dimiliki. Hasil analisis kelayakan untuk strategi optimalisasi DMA dengan menggabungkan biaya yang dibutuhkan dan potensi pendapatan setiap tahun dari DMA Arum Sari dan DMA IAIN didapatkan nilai NPV, BCR, IRR, dan PP adalah layak.
===================================================================================================================================
In 2022, Perusahaan Umum Daerah Air Minum Tirta Giri Nata (Perumda AM TGN) Kota Cirebon has 40.67% service area. The water loss in Cirebon City is 42,39%, or as much as 12.080.999 m3, and the potential loss of income is Rp. 72.133.569.504,00. To control water loss, the current DMA optimization method must be mapped out. The average of NRW from January 2023 to April 2024 in DMA Arum Sari is 41.31%, and in DMA IAIN DMA is 38,22%. In April 2024, with 677 water meter units for each client, DMA Arum Sari's NRW value was 41,25%, resulting in 10,048 m3 and reached Rp. 48.632.320,00 of income loss potential through NRW. In April 2024, with 813 water meter units for each client, DMA IAIN's NRW value was 39,42%, resulting in 13,920 m3 and reached Rp. 67.372.800,00 of income loss potential through NRW. A 20% reduction of NRW in both DMAs can save 11,934 m3 of water. This amount is equal to Rp. 57.760.560,00. This study aims to optimize DMA to minimize water loss in DMA Arum Sari and DMA IAIN. Optimization of DMAs to reduce water loss needs to consider several aspects, namely technical, financial, and institutional aspects, so that the best reduction strategy can be achieved. The method used to determine the components that cause water loss in DMA is water balance analysis using WB-EasyCalc software. The method to assess the optimization strategy for reducing water loss is hydraulic simulation using EPANET software. The financial analysis was conducted by calculating the Net Present Value (NPV), Benefit Cost Ratio (BCR), Internal Rate Return (IRR), and Payback Period (PP). Institutional analysis was conducted using the Strengths, Weaknesses, Opportunities, and Threats (SWOT) method. Water loss in 2023 for DMA Arum Sari was 43.90% and for DMA IAIN was 44.26%. The technical strategy of DMA optimization is carried out to reduce physical and non-physical water loss so the value of water loss in 5th year of DMA Arum Sari will 24.93% and DMA IAIN will 22.34%. The results of Institutional analysis strategies are based on weaknesses and threats. The results of financial analysis for the DMA optimization strategy by combining the costs and the potential income each year from DMA Arum Sari and DMA IAIN obtained NPV, BCR, IRR, and PP values are feasible
Deteksi Mycobacterium Tuberculosis Pada Citra Dahak Menggunakan RT-DETR
No full textTuberkulosis (TB) adalah penyakit menular dan mematikan yang disebabkan oleh bakteri Mycobacterium Tuberculosis(MT). Menurut World Health Orga nization (WHO), TB merupakan 10 penyakit yang menyebabkan kematian terbesar di dunia. Dengan proporsi bakteri MT yang relatif kecil dengan estimasi 1,7 miliar orang yang terinfeksi akan berkembang selama hidupnya. Pemerikasaan dahak merupakan salah satu metode diagnosis yang banyak digunakan di negara-negara berkembang. Beberapa dataset publik yang tersedia terdiri dari citra dahak yang merupakan hasil dari pemeriksaan dahak dengan variasi background dan cara pengambilan berbeda. Hal ini menjadikan suatu tantangan untuk membandingkan performa suatu model dalam suatu penelitian lebih lanjut untuk deteksi keberadaan lokasi dari Mycrobacterium Tuberculosis atau Bakteri Tahan Asam (BTA) untuk diagnosis cepat bagi ahli medis. Metode deteksi bakteri dari berbagai pendekatan telah di coba seperti pendekatan pemrosesan gambar, pembelajaran mesin dan pembela jaran mendalam. Penelitian ini mengusulkan untuk mendeteksi keberadaan BTA pada citra dahak menggunakan tiga dataset publik menggunakan model berfokus pada one-stage dan efisien seperti RTDETR (Real-Time Detection Transformer). Penelitian ini berhasil mendeteksi BTA dengan baik. Beberapa percobaan dilakukan dan menghasilkan evaluasi didalamnya. Evaluasi pemodelan di dataset 1 model RTDETR-l memiliki performa yang lebih baik dari model RTDETR-x. Sedangkan pada dataset 2 dan dan dataset 3 yang di bagi menjadi K-fold 5 dan K-fold 10 pada masing- masing dataset , memiliki peningkatan kedua model berada pada K-fold 10. Dari keseluruhan dataset yang di coba pada kedua model. Dataset 2 memiliki performa lebih bagus dari dataset 1 dan dataset 3. Penelitian ini juga melakukan percobaan menggunakan Yolov8. Namun model RTDETR hampir keseluruhan percobaan unggul dalam matrix evaluasi pada masing-masing dataset. Secara visualisasi kedua model RTDETR keseluruhan BTA yang ada di ground truth terdeteksi semua. Akan tetapi tedapat objek yang menyerupai BTA yang masih memerlukan analisis dari tenaga ahli medis.
================================================================================================================================
Tuberculosis (TB) is a contagious and potentially fatal disease caused by the bacterium Mycobacterium tuberculosis (MT). According to the World Health Organization (WHO), TB is one of the top 10 causes of death worldwide. With a relatively small proportion of MT bacteria, it is estimated that 1,7 billion people are infected and may develop the disease during their lifetime. Sputum examination is one of the most widely used diagnostic methods, especially in developing countries. Several publicly available datasets consist of sputum images obtained from sputum examinations with varying backgrounds and acquisition techniques. These variations present a challenge when comparing the performance of different models in further studies aimed at detecting the presence and location of Mycobacterium tuberculosis or Acid-Fast Bacilli (AFB) for rapid diagnosis by medical experts. Numerous approaches have been explored for bacterial detection, including image processing, machine learning, and deep learning techniques. This study proposes detecting the presence of AFB in sputum images using three public datasets, employing one-stage and efficient models such as RTDETR (Real-Time Detection Transformer). The study successfully detected AFB with promising results. Several experiments were conducted, accompanied by evaluation metrics. In Dataset 1, the RTDETR-l model demonstrated superior performance compared to the RTDETR-x model. Meanwhile, in Dataset 2 and Dataset 3, which were divided into K-fold 5 and K-fold 10, both models showed performance improvements at K-fold 10. Among all datasets tested, Dataset 2 exhibited better performance compared to Dataset 1 and Dataset 3. Additionally, experiments were conducted using YOLOv8 for comparison. However, the RTDETR model outperformed YOLOv8 in almost all evaluation metrics across the datasets. In terms of visualization, the RTDETR models successfully detected all AFB instances present in the ground truth. Nevertheless, there were objects resembling AFB that still require further analysis by medical experts
Ekstraksi Kolagen dari Kulit Ikan Kuniran (Upeneus sulphureus) dengan Variasi Konsentrasi Asam Sitrat dan Waktu Perendaman Menggunakan NaOH sebagai Tahap Pretreatment
No full textKolagen dari biota laut sebagai sumber kolagen alternatif yang paling aman digunakan saat ini dengan memanfaatkan kulit, sisik, tulang, dan gelembung renang dari ikan. Bagian-bagian pada ikan tersebut memiliki struktur kolagen tipe I yang sering diaplikasikan sebagai biomaterial di bidang farmasi dan medis. Penelitian ini bertujuan untuk menganalisis pengaruh variasi konsentrasi asam 0,3; 0,5; dan 0,7 M dan waktu perendaman 24, 48, dan 72 jam terhadap gugus fungsi, persentase yield, nilai pH, stabilitas termal, kadar air dan abu terhadap kolagen yang dihasilkan dari proses ekstraksi. Bagian kulit ikan kuniran digunakan sebagai sumber kolagen. Kolagen diperoleh melalui proses ekstraksi yang terdiri dari tahap pretreatment dengan larutan NaOH untuk menghilangkan protein nonkolagen dan tahap ekstraksi kolagen dengan metode acid soluble collagen (ASC). Hasil penelitian menunjukkan terdapat pengaruh variasi konsentrasi asam dan lama waktu perendaman pada gugus fungsi kolagen, nilai yield, pH, stabilitas termal, kadar air, dan abu. Variasi konsentrasi asam sitrat dan waktu perendaman terbaik diperoleh pada kode sampel M0,5D2 dengan konsentrasi 0,5 M dan waktu perendaman 48 Jam yang menghasilkan nilai pH 5,6, nilai yield sebesar 7,1%, stabilitas termal yakni 149,31°C untuk Tg dan 206,14°C untuk Tm, kadar air 11,55%, dan kadar abu 3,79%. Nilai kadar air pada penelitian ini masuk dalam syarat mutu kolagen SNI 8076:2020 ini yakni maksimum 14%
==================================================================================================================================
Collagen from marine biota is currently the safest alternative source of collagen, utilizing fish skin, scales, bones, and swim bladders. These parts of the fish contain type I collagen, which is often applied as a biomaterial in the pharmaceutical and medical fields. This research aims to analyze the effect of variations in acid concentration 0,3; 0,5; and 0,7 M and soaking time 24, 48, and 72 hours on the functional groups, yield percentage, pH value, thermal stability, moisture content, and ash content of collagen produced from the extraction process. This study uses sulphur goatfish skin as the source of collagen. Collagen is obtained through an extraction process consisting of a pretreatment stage with NaOH solution to remove non-collagenous proteins and a collagen extraction stage using the acid soluble collagen (ASC) method. The results of the study indicate that variations in acid concentration and soaking time affect the functional groups of collagen, yield value, pH, thermal stability, moisture content, and ash content. The best combination of citric acid concentration and soaking time was obtained in sample code M0.5D2, with a concentration of 0.5 M and a soaking time of 48 hours, resulting in a pH value of 5.6, a yield value of 7.1%, thermal stability of 149.31°C for Tg and 206.14°C for Tm, moisture content of 11.55%, and ash content of 3.79%. The moisture content value in this study meets the collagen quality standards of SNI 8076:2020, which is a maximum of 14%
Perbandingan Antara Perencanaan Perbaikan Tanah Metode Replacement dan Pemasangan PVD untuk Timbunan Badan Jalan Di Atas Tanah Lunak Studi Kasus: Ruas Jalan Tol Probolinggo - Banyuwangi Seksi 2 STA 23+075 - 23+670
No full textJalan Tol Probolinggo – Banyuwangi merupakan salah satu proyek strategis yang menjadi bagian dari ruas jalan tol Trans Jawa yang menghubungkan sisi barat hingga timur pulau Jawa. Pada jalan tol ini tepatnya di seksi 3 STA 23+075 – 23+670, konstruksi struktur dan perkerasan jalan tol berdiri diatas tanah lunak dengan kedalaman bervariasi dengan titik yang paling dalam sekitar 9 meter. Adanya tanah lunak yang cukup dalam ini dikhawatirkan akan menimbulkan kerusakan terutama pada mainroad jalan tol yang akan memunculkan ketidaknyaman yang dirasakan oleh pengguna jalan apabila tanah lunak tersebut tidak dapat ditangani dengan baik.
Pada studi ini, direncanakan beberapa alternatif yang nantinya akan digunakan sebagai pertimbangan bagi pemilik proyek untuk menentukan metode yang paling efektif untuk penanganan tanah lunak pada lokasi tersebut. Metode yang digunakan adalah replacement tanah dasar yang nantinya akan dibandingkan dengan penggunaan PVD beserta estimasi biaya pada masing-masing metode. Selain itu juga dilakukan analisa terkait kesesuaian dengan peraturan rate of sisa settlement dari Dirjen Bina Marga yaitu kurang dari 2 cm per tahun dan kurang dari 10 cm per 10 tahun. Dari hasil studi didapatkan bahwa rate of settlement dari semua variasi tanah lunak dan replacement sudah memenuhi peraturan Bina Marga. Selain itu dari perbandingan kebutuhan biaya PVD dengan replacement menunjukkan bahwa PVD membutuhkan biaya yang lebih rendah dari pada replacement dengan waktu maksimal +5 minggu sehingga dapat disimpulkan menjadi metode alternatif terbaik.
====================================================================================================================================
The Probolinggo – Banyuwangi Toll Road, part of Trans Java Toll Road, is one of the strategic projects which connects the west to the east of the island of Java. On this toll road, precisely in section 3 STA 23+075 – 23+670, the toll road structure and pavement construction stands on soft ground with varying depths, with the deepest point being around 9 meters. It is concerned that the presence of soft soil which is quite deep will cause damage to the pavement, which will cause discomfort for road users if the soft soil cannot be improved properly. In this study, several alternatives are designed which will later be used as considerations for the project owner to determine the most effective method for improving soft soil at that location. The method used is subgrade replacement which will later be compared with the use of PVD along with estimated costs for each method. Apart from that, an analysis was also carried out regarding compliance with the rate of residual settlement regulations from the Director General of Highways, namely less than 2 cm per year and less than 10 cm per 10 years. From the study results, it was found that the rate of settlement of all variations of soft soil and replacement had met the Bina Marga regulations. In addition, a comparison of PVD cost requirements with replacement showed that PVD requires lower costs than replacement with a maximum time of +5 weeks so that it can be concluded as the best alternative metho
Analisis Pengaruh Doping Nitrogen Pada Lapisan Karbon Katoda Lithium Nikel Mangan Aluminium (LiNi0.9Mn0.07Al0.03O2) Terhadap Morfologi, Struktur, Dan Kinerja Elektrokimia Baterai Ion Lithium
No full textBaterai ion litium adalah komponen sel elektrokimia yang menggunakan prinsip reaksi oksidasi dan reduksi untuk mengubah energi kimia menjadi energi listrik untuk menyimpan energi pada bahan aktif berupa katoda. Dalam perkembangan baterai ion litium, terdapat berbagai jenis katoda yang berbeda. Contoh katoda yang biasa digunakan pada kendaraan listrik yaitu LiNMC-622, mengandung sejumlah besar kobalt. Namun, terdapat berbagai tantangan dalam penggunaan kobalt, seperti kelangkaannya, harga yang tinggi, dan pencemaran lingkungan. Oleh karena itu dilakukan pengembangan baterai litium-nikel-mangan-aluminium(Li-NMA) sebagai usaha untuk mengurangi penggunaan kobalt. Terdapat satu masalah dimana kapasitas NMA masih lebih rendah dibandingkan dengan NMC. Maka, dilakukan upaya untuk meningkatkan kapasitas dan performa baterai ion litium dengan carbon coating. Akan tetapi, hasil yang didapatkan masih belum optimal sehingga dilakukan doping nitrogen pada lapisan carbon untuk meningkatkan konduktivitasnya. Pada penelitian ini dilakukan sintesis katoda LiNi0.9Mn0.07Al0.03O2 (Li-NMA) dengan perlakuan carbon coating yang di doping nitrogen menggunakan sukrosa 10wt% dan variasi komposisi tripolycyanamide sebesar 2, 2.25, dan 2.50 wt%. Katoda disintesis dengan metode kopresipitasi pada larutan ion hidroksida dengan menggunakan amonia sebagai chelating agent, kemudian dilakukan kalsinasi dengan temperatur 800℃. Kemudian material katoda diberikan perlakuan carbon coating yang di doping nitrogen dan dilakukan pirolisis dengan temperatur 650℃ dalam atmosfer argon selama 6 jam. Pengujian yang dilakukan yaitu dengan menggunakan metode X-Ray Diffraction, Scanning Electron Microscopy, Thermogravimetric Analysis, Electrochemical Impedance Spectroscopy, Cyclic voltametry dan Galvanostatic Charge Discharge. Hasil sintesis katoda LiNMA 973 memiliki pola yang kurang sesuai karena cenderung memiliki kecocokan dengan Lithium Nickel Oxide (nomor referensi 00-023-0362). Kemudian hasil tersebut menunjukkan adanya cation mixing yang tinggi. Hasil carbon coating katoda LiNMA 973 menyebabkan karusakan karena lithium tidak terdeteksi pada hasil XRD dan terdeteksi sebagai nikel oksida dengan referensi JCPDS no.01-089-7101. Hal ini menunjukkan bahwa metode carbon coating yang dilakukan menyebabkan Lithium tereduksi sehingga tidak terdeteksi dalam sampel. Pengujian TGA dilakukan untuk mengetahui kadar karbon yang terdekomposisi dalam sampel. Berdasarkan hasil XRD LiNMA tanpa carbon coating menunjukkan adanya cation mixing pada katoda litium nikel. Cation mixing merupakan kondisi dimana ion Ni2+ terletak pada posisi layer ion Li+. Hal ini memberikan pengaruh yang sangat buruk pada performa elektrokimia dan menghambat pergerakan ion Li+ ketika proses charge-discharge.
===============================================================================================================================
Lithium ion batteries are electrochemical cell components that use the principle of oxidation and reduction reactions to convert chemical energy into electrical energy to store energy in the active material in the form of a cathode. In the development of lithium ion batteries, there are various types of different cathodes. An example of a cathode commonly used in electric vehicles, LiNMC-622, contains a large amount of cobalt. However, there are various challenges in using cobalt, such as its scarcity, high price, and environmental pollution. Hence, the development of lithium-nickel-manganese-aluminum (Li-NMA) batteries as an attempt to reduce the use of cobalt. There is one problem where the capacity of NMA is still lower than that of NMC. So, efforts were made to increase the capacity and performance of lithium ion batteries with carbon coating. However, the results obtained are still not optimal so nitrogen doping is carried out on the carbon layer to increase its conductivity. In this study, iNi0.9Mn0.07Al0.03O2 (Li-NMA) cathode was synthesized with carbon coating treatment doped with nitrogen using 10 wt% sucrose and tripolycyanamide composition variations of 2, 2.25, and 2.50 wt%. The cathode was synthesized by coprecipitation method in hydroxide ion solution using ammonia as chelating agent, then calcined at 800℃. Then the cathode material was treated with nitrogen-doped carbon coating and pyrolyzed at 650℃ in argon atmosphere for 6 hours. Tests were carried out using X-Ray Diffraction, Scanning Electron Microscopy, Thermogravimetric Analysis, Electrochemical Impedance Spectroscopy, Cyclic voltametry and Galvanostatic Charge Discharge methods. The LiNMA 973 cathode synthesis results have a less suitable pattern because it tends to have a match with Lithium Nickel Oxide (reference number 00-023-0362). Then the results show the presence of high cation mixing. The LiNMA 973 cathode carbon coating results failed because lithium was not detected in the XRD results and was detected as nickel oxide with JCPDS reference no.01-089-7101. This indicates that the carbon coating method performed causes Lithium to be reduced so that it is not detected in the sample. TGA testing was carried out to determine the level of decomposed carbon in the sample. Based on the XRD results of LiNMA without carbon coating, there is cation mixing on the nickel lithium cathode. Cation mixing is a condition where Ni2+ ions are located in the position of the Li+ ion layer. This has a very bad effect on electrochemical performance and inhibits the movement of Li+ ions during the charge-discharge process
Analisis Pengkondisian Fitur log-f0 CWT Emosi Netral ke Marah dan Sedih Menggunakan Metode Convolutional Autoencoder dan Seq2Seq
No full textPada tesis ini, penulis merancang arsitektur deep learning spesifik yang digunakan untuk mengkondisikan intonasi marah dan sedih dari emosi netral.Untuk melatih arsitektur,penulis menggunakan dataset Emotional Speech Database yang menyediakan data mentah berupa rekaman suara berlabel yang dibutuhkan penulis secara spesifik. Dengan data yang tersedia, penulis kemudian melakukan ekstraksi fitur log-f0 Continous Wavelet Transform (CWT) sebagai representasi intonasi. Dengan menggunakan fitur yang berhasil diekstraksi kemudian penulis dapat memandang fitur sebagai data berbasis urutan maupun data gambar bila dilakukan modifikasi. Berdasarkan natur data ini, penulis kemudian mengusulkan arsitektur Seq2Seq dan Convolutional Autoencoder untuk dilatih. Selain itu, penulis juga melatih alat ukur berupa Speech Emotion Recognition untuk melihat performa pengkondisian emosi. Semua arsitektur yang dilatih ini kemudian diuji pada tiga dataset, yaitu: ESD, RAVDESS, dan CREMA-D untuk menilai performa dan kemampuan arsitektur dalam melakukan generalisasi. Hasil pengujian yang dilakukan penulis menunjukkan bahwa secara performa dan generalisasi
arsitektur Seq2Seq lebih unggul dari Convolutional Encoder.
=================================================================================================================================
In this thesis, the author designs a specific deep learning architecture to condition angry and sad intonations from neutral emotions. To train the architecture, the author uses the Emotional Speech Database, which provides raw data in the form of labeled voice recordings that are specifically required by the author. Using the available data, the author then performs feature extraction of log-f0 using Continuous Wavelet Transform (CWT) as an intonation representation. The extracted features are then viewed as either sequence-based data or image-based data if modifications are applied. Based
on the nature of this data, the author proposes Seq2Seq and Convolutional Autoencoder architectures for training. Additionally, the author develops a Speech Emotion Recognition tool to measure the performance of emotion conditioning. All trained architectures are then tested on three datasets: ESD,RAVDESS, and CREMA-D, to evaluate the performance and generalization capability of the architectures. The test results demonstrate that, in terms
of performance and generalization, the Seq2Seq architecture outperforms the Convolutional Autoencoder
Identifikasi Model 3 Dof Dan 6 Dof Unmanned Surface Vehicle (USV) Menggunakan Non-Linear Least Square Levenberg-Marquardt
No full textUnmanned Surface Vehicle (USV) adalah kapal tanpa awak yang dirancang untuk bergerak di atas air dalam rangka menjalankan misi tertentu. USV memiliki model sistem yang kompleks, dinamik, dan non-linear, yang dapat direpresentasikan dalam dua bentuk, yaitu 3 Degree of Freedom (DOF) yang hanya mencakup gerakan pada bidang horizontal, dan 6 DOF yang mencakup gerakan pada bidang horizontal dan vertikal. Meskipun banyak penelitian yang menggunakan model 3 DOF karena kesederhanaannya, secara teori dinamika USV adalah 6 DOF. Identifikasi langsung model 6 DOF pada USV nyata sering kali sulit dilakukan karena keterbatasan teknis dan operasional. Oleh karena itu, penelitian ini bertujuan untuk mengidentifikasi parameter model 3 DOF dengan USV LSS-01 dan model 6 DOF USV dengan menggunakan pendekatan berbasis simulasi untuk menghasilkan model yang memiliki error minimal terhadap dinamika aslinya. Metode yang digunakan untuk identifikasi adalah Non-Linear Least Square Levenberg-Marquardt. Berdasarkan analisis eksperimen 3 DOF LSS-01, hasil identifikasi parameter dengan nilai RMSE dan nRMSE terkecil pada validasi percepatan, kecepatan surge, dan heading terdapat pada model yang menggunakan pendekatan orde 3. Berdasarkan analisis eksperimen 6 DOF, hasil identifikasi parameter 6 DOF menunjukkan parameter model yang sesuai dengan parameter aslinya dengan memiliki nilai RMSE dan nRMSE yang sangat kecil.
===============================================================================================================================
An Unmanned Surface Vehicle (USV) is an unmanned vessel designed to move on water in order to carry out a specific mission. USVs have complex, dynamic and non-linear system models, which can be represented in two forms, namely 3 Degree of Freedom (DOF) which only includes motion in the horizontal plane, and 6 DOF which includes motion in both horizontal and vertical planes. Although many studies use the 3 DOF model due to its simplicity, in theory the dynamics of USVs are 6 DOF. Direct identification of the 6 DOF model on real USVs is often difficult due to technical and operational limitations. Therefore, this research aims to identify the parameters of the 3 DOF model with USV LSS-01 and 6 DOF model USV by using a simulation-based approach to produce a model that has minimal error to the original dynamics. The method used for identification is Non-Linear Least Square Levenberg-Marquardt. Based on the analysis of the 3 DOF LSS-01 experiment, the parameter identification results with the smallest RMSE and nRMSE values in the validation of acceleration, surge velocity, and heading are found in the model using the 3rd order approach. Based on the analysis of 6 DOF experiments, the results of 6 DOF parameter identification show that the model parameters are in accordance with the original parameters by having very small RMSE and nRMSE values
Kajian Emisi CO2 dan Perencanaan Ruang Terbuka Hijau untuk Menyerap Emisi CO2 dari Proses Produksi Gula di PG Kebon Agung Malang
No full textPabrik Gula (PG) Kebon Agung Malang merupakan salah satu perusahaan yang bergerak dalam proses produksi pengolahan tebu menjadi gula pasir. Salah satu produk andalan PG Kebon Agung adalah gula SHS (Superium Hoofd Suiker). Selain produksi utama gula pasir, PG Kebon Agung juga menghasilkan produk samping lainnya seperti tetes tebu, ampas tebu, dan blotong. Pada industri gula sumber emisi berasal dari proses produksi gula dan konsumsi bahan bakar. Dari proses produksi gula yang menghasilkan CO2 yakni pada stasiun penggilingan, stasiun pemurnian, stasiun penguapan, dan stasiun kristalisasi/masakan. Bahan bakar ampas tebu merupakan limbah hasil dari stasiun gilingan yang digunakan sebagai bahan bakar utama di PG Kebon Agung pada alat kerja yang akan dioperasikan, selain itu terdapat bahan bakar lain yang digunakan seperti solar untuk operasional alat berat.
PG Kebon Agung merupakan salah satu perusahaan yang menghasilkan emisi CO2, dimana memiliki dampak buruk terhadap lingkungan, kesehatan, dan ekonomi. Oleh karena itu, upaya yang dapat dilakukan yaitu mengkaji emisi CO2 sehingga informasi mengenai beban emisi CO2 yang dihasilkan oleh PG Kebon Agung dari proses produksi gula dapat diketahui. Serta merencanakan ruang terbuka hijau sebagai mitigasi serapan emisi CO2 oleh tumbuhan yang ada di pabrik. Perhitungan emisi CO2 dilakukan melalui data aktivitas dan faktor emisi dari setiap kategori. Metode perhitungan emisi CO2 dilakukan berdasarkan IPCC guidelines 2006 dengan tingkat ketelitian (tier) 1 (default IPCC). Besar emisi CO2 yang diperoleh dapat dijadikan dasar dalam merencanakan ruang terbuka hijau. Untuk perhitungan daya serap emisi CO2 terhadap tumbuhan disesuaikan dengan studi literatur. Sedangkan untuk data jenis dan jumlah tumbuhan di ruang terbuka hijau pabrik didapatkan dengan melakukan obeservasi langsung di lapangan. Berdasarkan kajian emisi CO2 yang dilakukan, didapatkan hasil penelitian, yaitu total beban emisi CO2 yang dihasilkan dari proses produksi gula dan konsumsi bahan bakar alat berat pada musim giling tahun 2023 di PG Kebon Agung Malang yakni sebesar 4.962.822,165 kg CO2/tahun atau 566,53 kg CO2/jam. Sedangkan total daya serap CO2 oleh vegetasi pada RTH PG Kebon Agung adalah sebesar 3.953.728,6 kg/tahun atau 451,34 kg/jam. Sehingga total emisi CO2 yang dihasilkan dari proses produksi gula tidak dapat diserap dengan maksimal oleh vegetasi yang di RTH. Oleh karena itu, dilakukan perencanaan RTH dengan menambahkan jenis dan jumlah vegetasi yang memiliki kemampuan daya serap CO2 yang tinggi. Vegetasi yang dipilih dalam perencanaan RTH ini adalah pohon trembesi dan pohon sengon. Setelah dilakukan penambahaan vegetasi ini, didapatkan hasil daya serap CO2 total sebesar 6.068.605,27 kg/tahun atau 692,76 kg/jam. Dimana jumlah ini melebihi target penyerapan total beban emisi CO2 yang dihasilkan dan diperkirakan mampu menyerap seluruh beban emisi CO2 yang dihasilkan hingga masa mendatang seiring dengan meningkatnya jumlah produksi gula.
=================================================================================================================================
The Kebon Agung Malang Sugar Factory (PG) is one of the companies engaged in the production process of processing sugar cane into granulated sugar. One of PG Kebon Agung's flagship products is SHS (Superium Hoofd Suiker) sugar. Apart from the main production of granulated sugar, PG Kebon Agung also produces other side products such as molasses, bagasse and filter cake. In the sugar industry, the source of emissions comes from the sugar production process and fuel consumption. The sugar production process that produces CO2 is at the milling station, refining station, evaporation station and crystallization/cooking station. Sugarcane bagasse fuel is waste from the milling station which is used as the main fuel at PG Kebun Agung for the work equipment that will be operated, apart from that there are other fuels used such as diesel for heavy equipment operations.
PG Kebon Agung is one of the companies that produces CO2 emissions, which have a negative impact on the environment, health and economy. Therefore, efforts that can be made are to study CO2 emissions so that information regarding the burden of CO2 emissions produced by PG Kebon Agung from the sugar production process can be known. As well as planning green open spaces to mitigate the absorption of CO2 emissions by plants in the factory. CO2 emissions calculations are carried out using activity data and emission factors for each category. The method for calculating CO2 emissions is based on the 2006 IPCC guidelines with a level of accuracy (tier) 1 (default IPCC). The amount of CO2 emissions obtained can be used as a basis for planning green open spaces. To calculate the absorption capacity of CO2 emissions for plants, it is adjusted to literature studies. Meanwhile, data on the type and number of plants in the factory's green open space was obtained by direct observation in the field. Based on the CO2 emission study carried out, the results of the research were obtained, namely the total CO2 emission burden resulting from the sugar production process and heavy equipment fuel consumption in the 2023 milling season at PG Kebon Agung Malang, which was 4,962,822,165 kg CO2/year or 566.53 kg CO2/hour. Meanwhile, the total CO2 absorption capacity by vegetation in RTH PG Kebon Agung is 3,953,728.6 kg/year or 451.34 kg/hour. So that the total CO2 emissions produced from the sugar production process cannot be absorbed optimally by the vegetation in the RTH. Therefore, RTH planning is carried out by adding the type and number of vegetation that has a high CO2 absorption capacity. The vegetation selected in this RTH planning is trembesi trees and sengon trees. After this vegetation addition, the total CO2 absorption was obtained of 6,068,605.27 kg/year or 692.76 kg/hour. Where this amount exceeds the target of absorbing the total CO2 emission load produced and is estimated to be able to absorb all CO2 emission load produced until the future along with the increase in sugar production