49971 research outputs found
Sort by
Studi Ekperimental Piezoelectric Dengan Penggerak Wind Turbine Sebagai Sumber Energi Sensor Suhu
No full textPenelitian ini bertujuan untuk mengembangkan sistem pemanenan energi angin menggunakan mekanisme piezoelectric yang digerakkan oleh turbin angin sebagai sumber energi untuk sensor suhu. Dengan memanfaatkan efek piezoelectric, energi mekanik dari putaran turbin angin dikonversi menjadi energi listrik melalui mekanisme Scotch Yoke. Penelitian ini fokus pada pengaruh jumlah dan bentuk bilah turbin, panjang pemukul, serta kecepatan angin terhadap output listrik yang dihasilkan. Metode penelitian meliputi perancangan model turbin angin NACA 4412, pembuatan mekanisme Scotch Yoke, dan pengujian menggunakan alat ukur seperti Volt Sensor, Arduino Uno R3 dan Sensor Suhu. Hasil penelitian diharapkan dapat memberikan wawasan mengenai efisiensi konversi energi mekanik menjadi listrik melalui material piezoelectric PZT, serta kontribusinya dalam mendukung sistem sensor mandiri berbasis Internet of Things (IoT). Penelitian ini juga diharapkan dapat menjadi referensi bagi pengembangan teknologi energi terbarukan yang lebih efisien dan berkelanjutan.
==========================================================================================================================================
This research aims to develop a wind energy harvesting system using a piezoelectric mechanism driven by a wind turbine as an energy source for temperature sensors. By utilizing the piezoelectric effect, the mechanical energy from the wind turbine rotation is converted into electrical energy through the Scotch Yoke mechanism. This study focuses on the influence of the number and shape of turbine blades, the length of the beater, and the wind speed on the electricity output produced. The research methods include the design of the NACA 4412 wind turbine model, the manufacture of the Scotch Yoke mechanism, and testing using measuring instruments such as Volt Sensor, Arduino Uno R3 and Temperature Sensor. The results of the study are expected to provide insight into the efficiency of converting mechanical energy into electricity through the piezoelectric PZT material, as well as its contribution in supporting Internet of Things (IoT)-based self-sensor systems. This research is also expected to be a reference for the development of more efficient and sustainable renewable energy technology
Identifikasi Struktur Terpendam di Situs Arkeologi Candi Tikus, Mojokerto Menggunakan Metode Ground Penetrating Radar (GPR) dan Electrical Resistivity Tomography (ERT) 3-D
No full textCandi Tikus di Mojokerto merupakan situs arkeologi penting dengan potensi struktur terpendam yang belum sepenuhnya terungkap. Penelitian ini bertujuan memetakan persebaran, dimensi, dan kedalaman struktur bawah permukaan menggunakan metode Ground Penetrating Radar (GPR) dan Electrical Resistivity Tomography (ERT). Kedua metode dipilih karena bersifat nondestruktif dan mampu mendeteksi struktur terpendam berdasarkan refleksi gelombang elektromagnetik serta sifat kelistrikan batuan. Hasil GPR menunjukkan adanya anomali refleksi dengan amplitudo tinggi yang tersebar secara acak pada kedalaman 1 sampai 2 meter dari permukaan tanah. Anomali diinterpretasikan sebagai dinding yang membentuk pola linear dan tegak lurus di petak A, B, E, dan F. Dimensi anomali bervariasi mulai dari 1×5 meter sampai 10×18 meter. Pada kedalaman lebih dari 3 meter, sinyal GPR melemah akibat atenuasi oleh tanah basah sehingga struktur tidak lagi terdeteksi jelas. Oleh karena itu, ERT digunakan untuk memetakan anomali resistivitas tinggi di kedalaman tersebut. Hasil ERT menunjukkan indikasi keberadaan saluran air di blok utara dengan lebar kurang lebih 1 sampai 2 meter menuju arah utara. Korelasi spasial antara anomali GPR dan ERT memperkuat interpretasi keberadaan struktur arkeologi di beberapa lokasi, khususnya di halaman depan petak B dan halaman belakang petak F. Hasil ini menunjukkan bahwa integrasi GPR dan ERT mampu memberikan indikasi kuat keberadaan struktur terpendam di Situs Cagar Budaya Petirtaan Candi Tikus. Temuan ini diharapkan dapat menjadi acuan pelestarian situs serta mengembangkan studi geofisika arkeologi di Indonesia.
=======================================================================================================================================
Candi Tikus in Mojokerto is a significant archaeological site with potential subsurface structures that have yet to be fully uncovered. This study aims to map the distribution, dimensions, and depth of underground structures using Ground Penetrating Radar (GPR) and Electrical Resistivity Tomography (ERT). These non-destructive methods were chosen for their ability to detect buried structures through electromagnetic wave reflections and the electrical properties of subsurface materials. GPR results reveal randomly scattered high-amplitude reflection anomalies at depths of 1 to 2 meters below the surface. These anomalies are interpreted as walls forming linear and perpendicular patterns in plots A, B, E, and F, with dimensions ranging from 1×5 meters to 10×18 meters. At depths greater than 3 meters, the GPR signal weakens due to attenuation by moist soil, making the structures less clearly detectable. Therefore, ERT was employed to map high-resistivity anomalies at these deeper levels. The ERT results indicate a possible water channel in the northern block, approximately 1 to 2 meters wide, extending northward. Spatial correlations between the GPR and ERT anomalies strengthen the interpretation of archaeological structures in several locations, particularly in the front yard of plot B and the backyard of plot F. These findings demonstrate that integrating GPR and ERT provides strong indications of buried structures at the Candi Tikus heritage site. These findings are expected to support site preservation efforts and contribute to the development of archaeological geophysics in Indonesia
Studi Numerik Pengaruh Variasi Area Ratio Dan Bilangan Reynolds Terhadap Karakteristik Aliran Internal Sudden Expansion
No full textPembesaran penampang yang terjadi secara tiba-tiba pada bagian sisi outlet penampang pipa sudden expansion atau downstream merupakan suatu faktor yang dapat mempengaruhi kinerja sistem perpipaan, terutama dalam menghasilkan kerugian tekanan (pressure losses). Penelitian ini bertujuan untuk mengkaji pengaruh area ratio dan variasi bilangan Reynolds terhadap karakteristik aliran pada pipa dengan sudden expansion. Penelitian ini dilakukan menggunakan simulasi numerik dengan metode Computational Fluid Dynamics (CFD) melalui software ANSYS 2022 R1. Model aliran dianalisis menggunakan pendekatan 2D dengan variasi area ratio dan bilangan Reynolds yang relevan. Parameter utama yang ditinjau meliputi pressure drop, loss coefficient, perubahan profil kecepatan, serta distribusi tekanan statis di sepanjang pipa.
Hipotesis atau dugaan sementara pada penelitian ini bahwa peningkatan area ekspansi menghasilkan kenaikan signifikan pada pressure drop dan mengintensifkan area separasi aliran. Selain itu, peningkatan bilangan Reynolds juga memperpendek zona separasi dan memperbesar kerugian tekanan. Adapun variasi area ratio yang akan diteliti adalah 1.2, 1.6, 2, dan 2.4. Selain itu terdapat variasi bilangan Reynolds yakn
A Fault Diagnosis Model for Bearing Using CNN Deep Learning Classification Method Based on 2D Spectrum Map Information
No full textKerusakan pada bearing dapat menyebabkan gangguan signifikan pada performa mesin, termasuk kegagalan besar yang berujung pada kerugian finansial dan risiko keselamatan. Diagnosis kerusakan bearing secara real-time menjadi tantangan penting, terutama dalam menangani sinyal getaran yang non-stasioner dan dipengaruhi oleh noise. Penelitian ini mengusulkan metode diagnosis kerusakan bearing berbasis Convolutional Neural Network (CNN) dengan arsitektur Residual Network (ResNet) menggunakan peta spektrum 2D yang dihasilkan melalui Short-Time Fourier Transform (STFT). Metode ini memanfaatkan kemampuan CNN untuk mengekstrak fitur dari data citra, meningkatkan akurasi deteksi kerusakan dibandingkan pendekatan sinyal 1D tradisional. Penelitian ini menggunakan pendekatan validasi model berupa 5-Fold Cross Validation untuk meningkatkan keandalan evaluasi dan mengurangi risiko overfitting. Dua dataset digunakan dalam penelitian ini, yaitu CWRU dan MFPT. Pengujian dilakukan pada dua dataset, yaitu CWRU dan MFPT. Dataset CWRU memiliki keunggulan dengan 10 kelas kerusakan, variasi jenis dan ukuran cacat, serta konfigurasi sinyal single-channel dan dual-channel (Drive End dan Fan End), termasuk variasi beban motor dari 0 hingga 3 HP. Sementara itu, dataset MFPT digunakan karena mencerminkan kondisi operasional nyata dengan noise alami, sehingga cocok untuk menguji kemampuan generalisasi model. Variasi dilakukan pada ukuran jendela data (window length) dan arsitektur CNN ResNet, termasuk ResNet-18, ResNet-34, ResNet-50, dan ResNet-101, untuk mengevaluasi performa terbaik dalam klasifikasi. Hasil dari proses pelatihan dan validasi menunjukkan bahwa memiliki nilai loss terkecil dan waktu pelatihan tercepat dibandingkan model lainnya, menjadikannya pilihan optimal untuk aplikasi diagnosis kerusakan bearing baik pada data eksperimen terkontrol maupun pada data kondisi nyata yang mengandung noise. Selain itu, ResNet-18 secara konsisten memberikan hasil terbaik, dengan nilai akurasi, precision, recall, dan F1-score mencapai 100% pada seluruh variasi data CWRU dan MFPT. Temuan ini menunjukkan bahwa model yang diusulkan efektif, efisien, dan andal dalam mendeteksi kerusakan bearing berdasarkan input peta spektrum dari sinyal getaran.
======================================================================================================================================
Bearing faults can significantly disrupt machine performance, potentially leading to major failures, financial losses, and safety risks. Real-time bearing fault diagnosis presents a critical challenge, particularly in handling non-stationary vibration signals affected by noise. This study proposes a bearing fault diagnosis method based on a Convolutional Neural Network (CNN) with a Residual Network (ResNet) architecture, utilizing 2D spectrum map generated through Short-Time Fourier Transform (STFT). The method leverages CNN’s ability to extract features from image-based data, enhancing fault detection accuracy compared to traditional 1D signal-based approaches. A 5-Fold Cross Validation technique is employed to improve model evaluation reliability and reduce the risk of overfitting. Two datasets are used in this study: the CWRU dataset and the MFPT dataset. The CWRU dataset offers advantages such as 10 fault classes, variations in defect type and size, single-channel and dual-channel signal configurations (Drive End and Fan End), and different motor load conditions ranging from 0 to 3 HP. In contrast, the MFPT dataset represents real operational conditions with natural noise, making it suitable for testing the model’s generalization capability. Variations in window length and CNN architecture including ResNet-18, ResNet-34, ResNet-50, and ResNet-101 are explored to evaluate the best performance for classification tasks. The training and validation results indicate that ResNet-18 achieves the lowest loss and fastest training time among all models, making it the optimal choice for bearing fault diagnosis in both controlled experimental data and real-world noisy data. Furthermore, ResNet-18 consistently delivers outstanding results, achieving 100% accuracy, precision, recall, and F1-score across all variations of the CWRU and MFPT datasets. These findings demonstrate that the proposed model is effective, efficient, and reliable in detecting bearing faults based on spectrogram inputs derived from vibration signals
Penerapan Konsep Eco-Cultural Dalam Desain Interior Restoran Hotel Myze Sumenep Dengan Nuansa Natural Modern
No full textKabupaten Sumenep, yang terletak di Pulau Madura, Jawa Timur, memiliki potensi pariwisata besar berkat keindahan alam, kekayaan budaya, dan situs bersejarah. Data dari Badan Pusat Statistik dan Dinas Pariwisata menunjukkan peningkatan signifikan jumlah kunjungan wisatawan dalam beberapa tahun terakhir. Hal ini menciptakan peluang bagi pengembangan sektor perhotelan untuk memenuhi kebutuhan wisatawan sekaligus sebagai peluang bisnis Artotel Group, yang dikenal dengan reputasi baik dalam pengelolaan hotel berkualitas serta pengalaman menginap yang memuaskan, melihat peluang ini dan berinvestasi dalam pembangunan Hotel Myze di Sumenep. Perencanaan hotel disesuaikan dengan standar bintang 4. Restoran sebagai salah satu fasilitas ruang publik memiliki kompleksitas tinggi karena harus mengakomodasi kebutuhan area service dan area publik dalam satu ruang. Restoran juga menjadi prioritas unggulan dari Hotel Myze Sumenep. Penelitian ini menggunakan metode design thinking dan pendekatan kualitatif melalui observasi, kuesioner, wawancara, dan studi literatur. Konsep eco-cultural menjadi landasan desain interior restoran dan hotel, dengan penerapan prinsip keberlanjutan serta nilai budaya lokal Sumenep yang sejalan dengan identitas Artotel Group. Budaya lokal diintegrasikan melalui material alami berkelanjutan dan elemen budaya yang menciptakan pengalaman autentik. Melalui tahap testing diketahui desain sesuai dengan kebutuhan pengguna dan manajemen. Hotel ini tidak hanya menyediakan akomodasi berkualitas, tetapi juga memperkenalkan serta melestarikan budaya lokal Sumenep.
=======================================================================================================================================
Sumenep Regency, located on Madura Island, East Java, has significant tourism potential due to its natural beauty, rich culture, and historical sites. Data from the Central Bureau of Statistics and the Tourism Office indicate a ignificant increase in tourist visits in recent years. This creates opportunities for the development of the hospitality sector to meet tourist needs as well as business prospects. Artotel Group, known for its reputable hotel management and satisfying guest experiences, recognizes this opportunity and invests in the development of Hotel Myze in Sumenep. The hotel planning is aligned with 4-star standards. The restaurant, as one of the public space facilities, has high complexity because it must accommodate service and public areas within a single space. The restaurant is also a flagship priority of Hotel Myze Sumenep. This study employs a design thinking method and a qualitative approach through observation, questionnaires, interviews, and literature review. The eco-cultural concept serves as the foundation for the interior design of the restaurant and hotel, applying principles of sustainability and local Sumenep cultural values that align with Artotel Group’s identity. The local culture is integrated through sustainable natural materials and cultural elements that create an authentic experience. Through the testing phase, it was found that the design meets the needs of users and management. This hotel not only provides quality accommodation but also introduces and preserves the local culture of Sumene
Perancangan Set Stool Dan Coffee Table Kafe Dengan Kombinasi Anyaman Serat Agel Untuk Kebutuhan Sustainable Furniture
No full textIndonesia memiliki potensi besar dalam pengembangan serat alam sebagai hasil hutan bukan kayu (HHBK) yang dapat diperbarui. Namun, pemanfaatannya mengalami penurunan dan masih bergantung pada impor. Salah satu serat lokal yang potensial adalah serat agel dari pohon gebang, yang dimanfaatkan oleh pelaku UMKM untuk produk kerajinan. Sayangnya, pengembangan produk anyaman agel masih terbatas pada bentuk konvensional dengan daya saing rendah. Di sisi lain, tren produk berkelanjutan semakin diminati oleh konsumen yang peduli lingkungan, termasuk dalam industri furnitur. Permintaan terhadap furniture ramah lingkungan terus meningkat, terutama dari segmen pasar kafe yang berkembang pesat. Furnitur kafe kini tidak hanya berfungsi sebagai pelengkap ruang, tetapi juga sebagai elemen penting dalam menciptakan suasana yang nyaman dan menarik. Pemilihan material lokal berkelanjutan, desain ergonomis, serta efisiensi dalam pengadaan dan pengiriman, seperti penggunaan sistem stacking, menjadi solusi strategis untuk memenuhi kebutuhan industri ini. Oleh karena itu, pengembangan furniture kafe berbahan anyaman agel material alam yang berkelanjutan merupakan peluang untuk mendukung kebutuhan pasar furnitur berkelanjutan sekaligus menjawab tuntutan pasar modern.
====================================================================================================================================
Indonesia has great potential in developing natural fibers as renewable non-timber forest products (HHBK). However, their utilization has been declining and remains dependent on imports. One promising local fiber is agel, sourced from the gebang palm, which is commonly used by UMKMs for craft products. Unfortunately, the development of agel weaving products is still limited to conventional forms with low competitiveness. On the other hand, the trend of sustainable products is gaining popularity among environmentally conscious consumers, including in the furniture industry. The demand for eco-friendly furniture continues to rise, especially in the rapidly growing café market segment. Today, café furniture not only complements interior spaces but also plays an important role in creating a comfortable and appealing atmosphere. The use of sustainable local materials, ergonomic design, and efficiency in procurement and delivery such as stackable systems offers strategic solutions for meeting the needs of this industry. Therefore, developing agel woven café furniture made from natural materials presents a valuable opportunity to support the sustainable furniture market while responding to the demands of the modern market
Analisa Dan Pemilihan Pelumas Roller Bearing Skf Bt2-8131 A Pada Vertical Roller Mill PT. Solusi Bangun Indonesia Pabrik Tuban
No full textDalam industri, gesekan antar elemen mesin seperti bantalan (bearing) dapat memengaruhi kinerja dan masa pakai komponen. Oleh karena itu, sistem pelumasan berbasis prinsip tribologi menjadi penting untuk mengurangi gesekan dan keausan. Penelitian ini berfokus pada analisis pemilihan pelumas untuk roller bearing SKF BT2-8131 A pada mesin Vertical Roller Mill milik PT. Solusi Bangun Indonesia, Pabrik Tuban. Tujuan penelitian ini adalah menentukan tipe pelumas yang lebih baik dibandingkan pelumas sebelumnya serta mengidentifikasi jenis lapisan pelumas yang terbentuk. Validasi dilakukan untuk memastikan efisiensi operasional dan kinerja maksimal. Proses penelitian dimulai dengan pengumpulan data operasional mesin dan spesifikasi pelumas. Pemilihan pelumas dilakukan menggunakan perhitungan nilai kappa dan kurva Streibeck untuk menentukan jenis lapisan pelumas, seperti boundary, mixed, atau full film lubrication. Validasi hasil yang didapatkan akan dilakukan dengan melakukan proses perhitungan prediksi umur bearing. Adapun hasil penelitian menunjukkan bahwa pelumas pembanding yang terpilih adalah Pertamina Masri RG 460 dengan nilai kappa sebesar 1,29. Pelumas ini dipilih dengan alasan masih sangat memumpuni dari segi teknisnya dan juga sangat ekonomis dibanding pelumas pembanding lainnya, walaupun peneliti juga memberikan opsi lain yaitu Mobil SHC 600 460 dengan nilai kappa sebesar 1,73 jika yang dipertimbangkan hanya dari segi teknisnya saja.
========================================================================================================================================
In industry, friction between machine elements such as bearings can affect the performance and service life of components. Therefore, tribology-based lubrication systems are important to reduce friction and wear. This research focuses on analyzing the lubricant selection for SKF BT2-8131 A roller bearings on the Vertical Roller Mill machine owned by PT Solusi Bangun Indonesia, Tuban Plant. The purpose of this research is to determine the type of lubricant that is better than the previous lubricant and identify the type of lubricant layer formed. Validation was conducted to ensure operational efficiency and maximum performance. The research process begins with the collection of machine operational data and lubricant specifications. Lubricant selection is carried out using the calculation of kappa values and Streibeck curves to determine the type of lubricant layer, such as boundary, mixed, or full film lubrication. Validation of the results obtained will be carried out by carrying out a prediction process of predicting the life of the bearing. The results of the study showed that the selected comparative lubricant was Pertamina Masri RG 460 with a kappa value of 1.29. This lubricant was chosen because it is still very capable in terms of technical and also very economical compared to other comparative lubricants, although the researcher also provides another option, namely the Mobil SHC 600 460 with a kappa value of 1.73 if considered only from a technical point of view
Implementasi Steganografi Menggunakan Seleksi Subtraktor Dinamis Berbasis Intensitas Piksel untuk Peningkatan Kualitas Citra Stego
No full textKeamanan komunikasi dalam era digital menjadi perhatian utama akibat meningkatnya pelanggaran privasi dan akses tidak sah terhadap data. Steganografi merupakan salah satu metode yang menawarkan solusi dengan menyembunyikan keberadaan pesan rahasia dalam media digital seperti gambar, sehingga memberikan lapisan keamanan tambahan. Namun, tantangan utama dalam steganografi adalah mencapai keseimbangan antara kapasitas penyisipan data dan kualitas visual stego image. Penelitian ini mengusulkan metode baru berbasis pemilihan subtraktor dinamis menggunakan intensitas piksel untuk meningkatkan kinerja steganografi. Pengujian akan dilakukan dengan membandingkan metode yang diusulkan terhadap metode LSB konvensional dan PVD menggunakan parameter Peak Signal to-Noise Ratio (PSNR), Mean Square Error (MSE), dan kapasitas penyisipan. Evaluasi eksperimental menunjukkan kinerja yang optimal, dengan Peak Signal-to-Noise Ratio (PSNR) mencapai maksimum 75,43 dB pada berbagai ukuran payload (1 kb hingga 100 kb). Structural Similarity Index Measure (SSIM) mencapai nilai maksimum yang sempurna sebesar 1,000, mempertahankan kemiripan yang hampir sempurna meskipun mengalami sedikit penurunan pada payload yang lebih besar. Metode yang diusulkan mengungguli metode konvensional sebesar 2,083 dB dalam performa PSNR, menjaga integritas kualitas citra sambil memungkinkan transmisi data rahasia yang aman melalui jaringan.
======================================================================================================================================
Communication security in the digital era has become a primary concern due to increasing privacy violations and unauthorized data access. Steganography is one method that offers a solution by hiding the existence of secret messages in digital media such as images, thus providing an additional layer of security. However, the main challenge in steganography is achieving a balance between data embedding capacity and the visual quality of the stego image. This research proposes a new method based on dynamic subtractor selection using pixel intensity to improve steganographic performance. Testing will be conducted by comparing the proposed method against conventional LSB and PVD methods using Peak Signal-to-Noise Ratio (PSNR), Mean Square Error (MSE), and embedding capacity parameters. Experimental evaluation demonstrated superior performance, with Peak Signal-to-Noise Ratio (PSNR) achieving a maximum of 75.43 dB across varying payload sizes (1 kb to 100 kb). The Structural Similarity Index Measure (SSIM) achieved perfect maximum values of 1.000, maintaining near-perfect similarity despite slight decreases with larger payloads. The proposed method outperforms existing methods by 2,083 dB in PSNR performance, preserving image quality integrity while enabling secure data transmission across networks
Klasifikasi Kualitas Udara Berbasis Citra Langit Menggunakan Metode Hybrid Deep Learning ConvXGB
No full textPolusi udara merupakan masalah lingkungan global yang menjadi perhatian utama dalam Sustainable Development Goals (SDGs) 2030. Indeks Kualitas Udara (AQI) digunakan sebagai indikator utama untuk mengukur tingkat polusi. Dalam beberapa tahun terakhir, Indonesia sering berada pada peringkat tinggi negara dengan kualitas udara terburuk. Salah satu solusi adalah dengan menyediakan alat pemantau kualitas udara yang mudah diakses masyarakat. Penelitian ini bertujuan mengembangkan metode klasifikasi kualitas udara berbasis citra langit menggunakan pendekatan hybrid ConvXGB. Dataset yang digunakan terdiri dari 12240 citra langit yang terbagi ke dalam enam kategori kualitas udara sesuai indeks AQI. Citra dipra-proses melalui resize menjadi 224×224 piksel, seleksi manual, dan cropping. Tiga arsitektur model (CNN, VGG16, dan ResNet50) digunakan sebagai feature extractor, yang digabungkan dengan XGBoost sebagai classifier. Hasil menunjukkan bahwa model hybrid (CNN+XGBoost, VGG16+XGBoost, dan ResNet50+XGBoost) memberikan performa pelatihan lebih stabil dibanding model standar. Di antara ketiganya, ResNet50+XGBoost merupakan model terbaik. Model ini mengekstraksi fitur menggunakan blok konvolusi dan identity dari arsitektur ResNet50, lalu mengklasifikasikannya menggunakan XGBoost dengan parameter optimal yaitu jumlah pohon keputusan sebanyak 100, kedalam pohon maksimal adalah 10, rate pembelajaran yang digunakan sebesar 0,2656, subsample sebesar 0,7809, colsample_bytree sebesar 0,6275, nilai gamma sebesar 0,0127, dan penalti regularisasi L1 dan L2 sebesar 0,1122 dan 0,1438. Pada data uji, model ResNet50+XGBoost mencapai akurasi 86,67% dan rata-rata nilai F1-Score pada seluruh kelas adalah 0,8416. Penelitian ini diharapkan dapat memberikan kontribusi dalam pengembangan alat pemantau kualitas udara berbasis citra langit yang lebih akurat dan mudah diakses oleh masyarakat luas.
================================================================================================================================
Air pollution is a global environmental issue that has become a major concern in the Sustainable Development Goals (SDGs) 2030. The Air Quality Index (AQI) serves as a key indicator to measure pollution levels. In recent years, Indonesia has often ranked among the countries with the worst air quality. One potential solution is to develop accessible air quality monitoring tools for the general public.This study aims to develop an air quality classification method based on sky images using a hybrid ConvXGB approach. The dataset consists of 12,240 sky images categorized into six AQI-based air quality classes. The images were pre-processed through resizing to 224×224 pixels, manual selection, and cropping. Three deep learning architectures, CNN, VGG16, and ResNet50, were used as feature extractors, and their outputs were classified using the XGBoost algorithm.The results show that the hybrid models (CNN+XGBoost, VGG16+XGBoost, and ResNet50+XGBoost) achieved more stable training performance compared to their standalone counterparts. Among them, the ResNet50+XGBoost model performed best. It extracts features using convolutional and identity blocks from the ResNet50 architecture and classifies them using XGBoost. The optimal configuration includes 100 decision trees, a maximum tree depth of 10, a learning rate of 0.2656, a subsample ratio of 0.7809, and a feature sampling ratio of 0.6275 per tree. It also applies regularization to control overfitting, with a gamma value of 0.0127, L1 penalty of 0.1122, and L2 penalty of 0.1438. On the test set, the ResNet50+XGBoost model achieved an accuracy of 86.67% and a macro-average F1-Score of 0.8416. This study is expected to contribute to the development of sky-image-based air quality monitoring tools that are accurate and accessible to the public
Kerangka Kerja Forensik Berbasis Pemrosesan Bahasa Alami untuk Data Log Penerbangan Drone
No full textMeningkatnya jumlah pengguna drone di kalangan masyarakat berakibat pada meningkatnya jumlah insiden yang terjadi pada perangkat drone. Selain usaha pencegahan, dibutuhkan juga prosedur kuratif untuk menganalisis insiden pasca kejadian (postmortem) untuk memahami insiden secara komprehensif sehingga dapat mencegah insiden yang sama agar tidak terjadi lagi. Penelitian forensik drone saat ini didominasi oleh penelitian studi kasus, di mana analisis forensik dilakukan terhadap perangkat drone yang diterbangkan sendiri untuk mendapatkan artefak forensik terkondisi. Terhadap data yang berhasil diakuisisi dilakukan analisis dan kemudian dilaporkan. Belum banyak penelitian yang memanfaatkan data log pesan yang terdapat pada log penerbangan. Sementara, log penerbangan mengandung informasi penting terkait seluruh kejadian yang dialami oleh perangkat drone selama terbang.
Teknik analisis log sudah banyak digunakan pada permasalahan keamanan siber dan forensik digital seperti deteksi anomali pada sistem operasi. Pada penelitian ini, teknik ekstraksi informasi dan identifikasi masalah digunakan untuk menemukan kejadian penting pada log penerbangan, yang diharapkan dapat membantu proses investigasi forensik pada perangkat drone. Penelitian ini mengusulkan kerangka kerja komprehensif yang meliputi ekstraksi istilah, segmentasi kalimat, deteksi kejadian, deteksi anomali, dan abstraksi. Setiap tahapan dapat berdiri sendiri sebagai teknik analisis data yang dapat membantu analis mengeliminasi pesan log yang kurang relevan untuk meningkatkan efisiensi analisis tanpa mengorbankan akurasi. Sesuai dengan sifat data yang digunakan, yakni pesan log yang dapat dibaca oleh manusia, beberapa teknik pemrosesan bahasa alami digunakan sebagai solusi. Seperti pada modul pertama, teknik pengenalan entitas bernama (named entity recognition) digunakan sebagai pendekatan segmentasi kalimat dan deteksi kejadian sekaligus. Teknik yang sama digunakan untuk melakukan ekstraksi istilah. Model deteksi anomali dibangun dengan cara fine-tuning model pre-trained pada dataset pesan log drone. Dengan memanfaatkan fitur semantik dari model embedding, agglomerative clustering digunakan untuk mengelompokkan pesan log sebagai pendekatan abstraksi log.
Berdasarkan hasil eksperimen dengan pengujian pada data primer, kerangka kerja yang diusulkan mampu membantu menemukan pesan log yang berkaitan dengan masalah yang dialami oleh drone selama penerbangan. Dengan menerima masukan berupa file log penerbangan, penyidik dapat langsung mengetahui apakah perlu melakukan analisis lebih lanjut terhadap file masukan atau tidak dalam hitungan detik. Selain kerangka kerja teoritis, penelitian ini juga diimplementasikan dalam sebuah tools sumber terbuka. Dengan demikian, penelitian ini berkontribusi tidak hanya pada sisi teoritis, tapi juga praktis.
=======================================================================================================================================
The increasing number of drone users among the public has resulted in an increase in the number of incidents involving drone devices. In addition to preventive measures, curative procedures are also needed to analyze incidents after they occur (postmortem) in order to understand them comprehensively so that similar incidents can be prevented from happening again in the future. Current drone forensic research is dominated by case studies, where forensic analysis is conducted on self-flown drone devices to obtain conditioned forensic artifacts. The acquired data is then analyzed and reported. Few studies have utilized the message log data contained in flight logs. Meanwhile, flight logs contain important information related to all events experienced by the drone device during flight. Log analysis techniques have been widely used in cybersecurity and digital forensics issues such as anomaly detection in operating systems. In this study, information extraction and problem identification techniques are used to find important events in flight logs, which are expected to assist the forensic investigation process on drone devices. This study proposes a comprehensive framework that includes term extraction, sentence segmentation, event detection, anomaly detection, and abstraction. Each stage can stand alone as a data analysis technique that can help analysts eliminate irrelevant log messages to improve analysis efficiency without sacrificing accuracy. Given the nature of the data used, which is human-readable log messages, various natural language processing techniques are employed as solutions. For instance, in the first module, named entity recognition (NER) is used as an approach for both sentence segmentation and event detection. The same technique is applied for term extraction. The anomaly detection model is built by fine-tuning a pre-trained model on a drone log message dataset. By leveraging the semantic features obtained from the embedding model, agglomerative clustering is used to group log messages as an abstraction approach. Based on experimental results with testing on primary data, the proposed framework is capable of helping identify log messages related to issues experienced by drones during flight. By receiving input in the form of flight log files, investigators can immediately determine whether further analysis of the input files is necessary within seconds. In addition to the theoretical framework, this research has also been implemented in an open-source tool. Thus, this research contributes not only to the theoretical side but also to the practical side