49971 research outputs found
Sort by
Optimasi Penyerapan Karbon pada Hutan dengan Pengendali Reforestasi, Pencegahan Kebakaran, dan Penebangan
No full textKarbon dioksida merupakan salah satu gas rumah kaca yang berasal dari perubahan iklim. Peningkatan konsentrasi gas tersebut disebabkan oleh berbagai aktivitas manusia, seperti pembakaran bahan bakar fosil, deforestasi, dan lain sebagainya. Solusi yang dapat dilakukan untuk mengurangi emisi karbon dioksida adalah melalui penyerapan karbon dengan memanfaatkan ekosistem yang ada di hutan. Pada tugas akhir ini, dibahas model yang bertujuan untuk mendapatkan strategi optimal dalam penyerapan karbon. Model yang dikembangkan mencakup sistem persamaan diferensial nonlinear yang menggambarkan dinamika interaksi antara biomassa hidup (B), pertumbuhan intrinsik biomassa (r), dan area yang terbakar (I) dengan mempertimbangkan tiga strategi, yaitu reforestasi (R), pencegahan kebakaran (S), dan penebangan (F). Untuk memperoleh strategi optimal, digunakan metode Prinsip Maksimum Pontryagin yang diselesaikan secara numerik dengan pendekatan Runge-Kutta orde empat. Hasil simulasi menunjukkan bahwa penerapan strategi pengendalian secara bersamaan mampu meningkatkan penyerapan karbon secara signifikan dibandingkan kondisi tanpa kontrol. Kontrol reforestasi (R) berperan dalam meningkatkan biomassa, kontrol pencegahan kebakaran (S) efektif dalam mengurangi luas area terbakar, dan kontrol penebangan (F) yang dikelola secara optimal mampu menjaga kestabilan pertumbuhan biomassa. Model ini dapat menjadi dasar pertimbangan dalam penyusunan kebijakan pengelolaan hutan secara berkelanjutan dalam upaya mitigasi perubahan iklim.
=====================================================================================================================================
Carbon dioxide is one of the greenhouse gases that originate from climate change. The increase in gas concentration is caused by various human activities, such as burning fossil fuels, deforestation, and so on. The solution that can be done to reduce carbon dioxide emissions is through carbon sequestration by utilizing the ecosystem in the forest. In this final project, a model that aims to obtain the optimal strategy in carbon sequestration is discussed. The model developed includes a system of nonlinear differential equations describing the interaction dynamics between live biomass (B), intrinsic growth of biomass (r), and burned area (I) by considering three strategies, namely reforestation (R), fire prevention (S), and logging (F). To obtain the optimal strategy, the Pontryagin Maximum Principle method is used, which is solved numerically with a fourth-order Runge-Kutta approach. Simulation results show that the simultaneous application of control strategies can significantly increase carbon sequestration compared to the no-control condition. The reforestation control (R) plays a role in increasing biomass, the fire prevention control (S) is effective in reducing the area burned, and the logging control (F) is optimally managed to maintain stable biomass growth. This model can serve as a basis for consideration in the formulation of sustainable forest management policies in an effort to mitigate climate change
Analisa Identifikasi Web Bot Pada Aktivitas Web Server Dengan Pendekatan Machine Learning Untuk Penguatan Keamanan Aset Digital
No full textKeamanan digital telah menjadi salah satu tantangan utama dalam menjaga kelangsungan operasional organisasi modern, terutama dengan meningkatnya ancaman web bot berbahaya yang dapat menyebabkan kerugian serius terhadap aset digital organisasi, seperti pencurian data, serangan Distributed Denial of Service (DDoS), dan eksploitasi keamanan lainnya. Permasalahan yang dihadapi adalah aktivitas web bot berbahaya yang semakin kompleks dan menyerupai perilaku pengguna manusia, sehingga sulit diidentifikasi menggunakan metode konvensional. Penelitian ini bertujuan mengklasifikasikan web bot secara efektif untuk memperkuat keamanan aset digital dengan mengidentifikasi pola perilaku web bot sebagai dasar penyusunan kebijakan mitigasi yang responsif terhadap ancaman digital.
Penelitian ini menerapkan algoritma Hierarchical Density-Based Spatial Clustering of Applications with Noise (HDBSCAN) untuk mengelompokkan sesi berdasarkan kepadatan dalam log aktivitas web, sehingga terbentuk klaster dengan label murni bot dan klaster campuran. Sesi pada klaster campuran kemudian diproses oleh decision tree yang dilatih menggunakan fitur terpilih untuk meningkatkan keakuratan identifikasi bot. Alur kerja mencakup pengumpulan data, praproses, ekstraksi dan seleksi fitur, pembangunan model, serta pengukuran performa menggunakan metrik akurasi, presisi, recall, dan F1-score.
Hasil analisa menunjukkan bahwa kombinasi HDBSCAN dan decision tree mampu mengklasifikasikan sesi web menjadi bot dan manusia secara algoritmik dengan keakuratan 99,97%, presisi dan recall diatas 90%. Penelitian ini juga mengungkap tiga pola perilaku bot mulai web scanning dengan jumlah halaman tinggi namun konten minim, web scraping dengan rasio konten yang tinggi dan klik sistematis, serta web crawling ringan dengan kecepatan akses stabil. Temuan tersebut tidak hanya memperkuat perlindungan aset digital melalui deteksi bot yang lebih andal, tetapi juga menyediakan landasan empiris bagi manajemen untuk merancang strategi mitigasi yang adaptif terhadap ancaman digital yang terus berkembang.
====================================================================================================================================
Digital security has become one of the main challenges in maintaining the operational continuity of modern organizations, particularly with the rising threats of malicious web bots that can cause significant harm to digital assets, such as data breaches, Distributed Denial of Service (DDoS) attacks, and other security exploits. The primary issue is that these malicious web bots are increasingly complex and mimic human user behavior, making them difficult to identify with conventional methods. This research aims to classify web bots effectively to reinforce digital asset protection by uncovering their behavioral patterns as a basis for crafting responsive mitigation policies. This research applies Hierarchical Density-Based Spatial Clustering of Applications with Noise (HDBSCAN) to group sessions in web activity logs by density, yielding both pure-bot and mixed clusters. Sessions assigned to mixed clusters are then classified by a decision tree built on the most informative features to boost overall bot detection accuracy. The workflow encompasses data collection, preprocessing, feature extraction and selection, model construction, and performance evaluation using accuracy, precision, recall, and F1-score metrics. The analysis shows that the combination of HDBSCAN and decision tree algorithms is capable of classifying web sessions as bots or humans with an accuracy of 99.97%, and precision and recall above 90%. The study also reveals three main web bot behavior patterns, web scanning with high page volume but minimal content, web scraping with high content ratio and systematic clicks, and lightweight crawling with stable access speed. These findings not only enhance digital asset protection through more reliable bot detection but also provide empirical insights for management to design adaptive mitigation strategies against evolving digital threats. Keywords: Machine Learning, Web Bots
Integrasi Mekanisme Attention pada Backbone CNN-Based Model Untuk Klasifikasi Penyakit Kanker Kolorektal Pada Citra Endoskopi
No full textLuminal cancer terdiri dari kanker esofagus, lambung dan kolorektal menjadi salah satu penyebab kematian tertinggi di dunia akibat kanker, lebih dari dua juta jiwa pada tahun 2022. Diagnosis dini penting untuk mengurangi tingkat mortalitas kanker, dengan jumlah data yang besar proses diagnosis cenderung lebih lama dan memakan waktu. Sehingga dikembangkan sistem Computer-aided Diagnosis berbasis Convolutional Neural Networks (CNN) untuk mendiagnosis penyakit berbasis data visual. Akan tetapi CNN masih kurang fokus dalam mengenali informasi penting khususnya pada data dengan citra dengan kemiripan yang tinggi antar kelas.
Penelitian ini menganalisis integrasi mekanisme attention pada CNN dalam meningkatkan feature learning. Attention mampu memberikan titik fokus dengan memberikan bobot pada informasi relevan berdasarkan korelasi channel ataupun spasial. Mekanisme attention yang digunakan yaitu Squeeze-and-Excitation (SE), Convolutional Block Attention Module (CBAM), Efficient Channel Attention (ECA), External Attention (EA), dan Spatial Group-wise Enhance (SGE). Mekanisme attention diintegrasikan pada feature learning CNN, dengan memodifikasi arsitektur ResNet dan EfficientNet. Pengujian dilakukan pada dataset DCMH dengan 3000 gambar yang terbagi ke dalam kelas Kanker Kolorektal, Kolon Polip, dan Kolon Normal.
Hasil penelitian ini menunjukkan bahwa integrasi mekanisme attention ke dalam CNN meningkatkan kinerja hingga 9% dibandingkan tanpa mekanisme perhatian. EfficientNetB0 + SE adalah model dengan kinerja tertinggi dengan akurasi 85,8%, presisi 85,3%, MCC 0,773 diikuti oleh EfficientNetV2S + SGE dengan akurasi 85,5%, presisi 85,4%, dan MCC 0,770. Dalam memprediksi kelas kanker model EfficientNetV2S + SGE lebih baik dibandingkan model EfficentNetB0 + SE. Mekanisme attention telah menunjukkan peningkatan kemampuan feature learning pada CNN akan tetapi dalam beberapa kasus menunjukkan penurunan yang disebabkan terjadinya overfitting dan jumlah data latih yang sedikit.
============================================================================================================================
Luminal cancer, consisting of esophageal, gastric, and colorectal cancers, is one of the leading causes of cancer death worldwide, with more than two million deaths occurring in 2022. Early diagnosis is crucial for reducing cancer mortality rates, as large amounts of data make the diagnostic process more time-consuming. Therefore, a Computer-Aided Diagnosis system based on Convolutional Neural Networks (CNN) was developed to diagnose diseases based on visual data. However, CNN still lacks focus in recognizing important information, especially in data with images with high similarity between classes.
This study analyzes the integration of attention mechanisms in CNNs to improve feature learning. Attention can provide a focal point by giving weight to relevant information based on channel or spatial correlation. The attention mechanisms used are Squeeze-and-Excitation (SE), Convolutional Block Attention Module (CBAM), Efficient Channel Attention (ECA), External Attention (EA), and Spatial Group-wise Enhancement (SGE). The attention mechanism is integrated into CNN feature learning by modifying the ResNet and EfficientNet architectures. Testing was conducted on the DCMH dataset with 3,000 images divided into Colorectal Cancer, Colon Polyp, and Normal Colon classes.
The results of this study indicate that integrating the attention mechanism into a CNN improves performance by up to 9% compared to the CNN without the attention mechanism. EfficientNetB0 + SE was the highest-performing model with 85.8% accuracy, 85.3% precision, and an MCC of 0,773, followed by EfficientNetV2S + SGE with 85.5% accuracy, 85.4% precision, and an MCC of 0,770. In predicting cancer class, the EfficientNetV2S + SGE model performed better than the EfficientNetB0 + SE model. The attention mechanism has shown improvements in CNN feature learning capabilities, but in some cases, it has shown declines due to overfitting and a small amount of training data
Analisis Pengaruh Waktu Ultrasonik Dan Molaritas Na2CO3 Terhadap Hasil Ekstraksi Alginat Dari Sargassum sp. Berdasarkan ASTM F2064
No full textAlginat merupakan polisakarida alami yang banyak ditemukan pada alga coklat, khususnya Sargassum sp, yang dapat diaplikasikan di industri makanan, farmasi hingga kosmetik. Proses ekstraksi yang dilakukan secara konvensional memerlukan waktu yang lebih lama dan mendapatkan hasil yang kurang efektif. Penelitian ini bertujuan untuk melihat potensi penggunaaan ultrasonik sebagai metode pada proses ekstraksi alginat dengan jalur sodium agar lebih efisien dalam proses ekstraksi. Proses ekstraksi dilakukan dengan tiga tahap utama yaitu pre-extraction, neutralization, dan purification/precipitation. Penelitian ini menerapkan variasi molaritas Na2CO3 (0.1, 0.2, dan 0.3M) dengan waktu ekstraksi (60, 120, dan 180 menit). Pengujian dilakukan untuk mengevaluasi kualitas hasil ekstraksi alginat dengan berdasarkan standar ASTM 2064 yang menjelaskan mengenai alginat untuk biomedis. Didapatkan nilai rendemen terbesar pada sampel dengan molaritas Na2CO3 0.2 molar dan variasi waktu 120 menit yaitu sebesar 16.13%. Pada pengujian kadar air didapatkan nilai masuk dalam standar kadar air dibawah 15% dengan sampel paling tinggi ada pada sampel M0.3W120 dengan nilai 13% dan paling kecil ada pada sampel M0.1W120 dengan nilai 9.2%. Pada pengujian GPC menentukan nilai berat molekul sampel, semakin tinggi waktu ekstraksi maka nilai berat molekulnya semakin turun, begitu juga pada konsentrasi Na2CO3. Pada pengujian viskositas, didapatkan nilai yang sejalan dengan pengujian GPC semakin tinggi konsentrasi Na2CO3, maka akan semakin rendah viskositasnya. Variasi waktu juga berpegaruh terhadap nilai viskositasnya, semakin tinggi waktu ekstraksinya maka semakin rendah nilai viskositasnya. Pada pengujian NMR digunakan untuk melihat rasio M/G sampel ini yaitu 0.460 dengan blok G; blok M yaitu 0.685; 0.315.
======================================================================================================================================
Alginate are natural polysaccharides commonly found in brown algae, particularly Sargassum sp., and can be applied in industries such as food, pharmaceuticals, and cosmetics. Conventional extraction processes require longer times and yield less effective results. This study aims to explore the potential use of ultrasonic waves as a method in the extraction process of alginate with sodium, to make the extraction process more efficient. The extraction process was carried out in three main stages: pre-extraction, neutralization, and purification/precipitation. This study applied variations in the molarity of Na₂CO₃ (0.1, 0.2, and 0.3 molar) with extraction times (60, 120, and 180 minutes). The tests were conducted to evaluate the quality of the alginate extract based on the ASTM 2064 standard, which describes alginate for biomedical use. The highest yield was obtained from the sample with 0.2 M Na₂CO₃ and an extraction time of 120 minutes, yielding 16.13%. In the moisture content test, the values were found to meet the standard moisture content of below 15%, with the highest moisture content in the sample M0.3W120 at 13%, and the lowest in the sample M0.1W120 at 9.2%. The GPC test determined the molecular weight of the sample, showing that the longer the extraction time, the lower the molecular weight, which also correlates with the concentration of Na₂CO₃. In the viscosity test, the results aligned with the GPC test, where higher Na₂CO₃ concentrations led to lower viscosity values. The variation in extraction time also influenced the viscosity, with longer extraction times resulting in lower viscosity. The NMR test was used to determine the M/G ratio of this sample, which was 0.460 with the G block at 0.685 and the M block at 0.315
Pemodelan 3D Struktur Bawah Permukaan Daerah Panas Bumi Dieng Berdasarkan Data Satelit GGMPlus
No full textDataran Tinggi Dieng, Jawa Tengah, merupakan wilayah vulkanik aktif dengan
kompleksitas geologi tinggi yang ditandai oleh keberadaan intrusi batuan beku, patahan, dan
struktur bawah permukaan lainnya. Karakteristik ini menjadikan kawasan Dieng menarik untuk
dikaji menggunakan metode gravitasi. Meskipun metode gayaberat telah lama digunakan untuk
mendeteksi variasi densitas bawah permukaan yang berkaitan dengan struktur geologi, survei
terestris memerlukan sumber daya besar. Oleh karena itu, penelitian ini menggunakan data
gravitasi satelit GGMPlus sebagai pendekatan awal untuk mengidentifikasi struktur bawah
permukaan dan distribusi densitas secara regional. Data dianalisis melalui serangkaian koreksi
hingga diperoleh Anomali Bouguer Lengkap (CBA), yang selanjutnya dipisahkan menjadi
anomali regional dan residual menggunakan metode spektral dan upward continuation. Hasil
anomali residual kemudian dianalisis menggunakan turunan horizontal (FHD), turunan vertikal
kedua (SVD), serta interpretasi citra satelit untuk mengidentifikasi sesar. Pola kontras densitas
yang signifikan dengan arah dominan NW–SE mengindikasikan keberadaan struktur linier
utama. Pemodelan inversi 3D dengan metode Occam menunjukkan keberlanjutan vertikal zona
kontras densitas dari permukaan hingga kedalaman 3000 meter, dengan rentang densitas 1,85
3,84 gr/cm³. Temuan ini menunjukkan efektivitas penggunaan data gravitasi satelit untuk studi
awal sebelum dilakukan survei terestris yang lebih rinci.
=======================================================================================================================
The Dieng Plateau in Central Java is an active volcanic region characterized by complex
geology, including intrusive igneous bodies, faults, and various subsurface structures. These
characteristics make the area highly suitable for gravity-based geophysical investigations.
Although gravity methods have long been used to detect subsurface density variations
associated with geological structures, terrestrial gravity surveys often require extensive
resources. Therefore, this study employs satellite gravity data from the GGMPlus model as a
preliminary approach to identify subsurface structures and regional density distribution. The
data were processed through a series of corrections to obtain the Complete Bouguer Anomaly
(CBA), which was then separated into regional and residual anomalies using spectral methods
and upward continuation filtering. The residual anomalies were further analyzed using the first
horizontal derivative (FHD), second vertical derivative (SVD), and satellite image
interpretation to identify fault zones. A significant density contrast pattern with a dominant
NW–SE orientation indicates the presence of major linear structures. Three-dimensional
inversion modeling using the Occam method revealed the vertical continuity of these density
contrasts from the surface down to a depth of 3000 meters, with density values ranging from
1.85 to 3.84 g/cm³. These findings highlight the effectiveness of satellite gravity data as an
initial exploration tool prior to more detailed terrestrial gravity surveys
Analisis Penggunaan Sistem Solar Cell Pada Kapal Ferry Ro-ro Passenger Dalam Upaya Peningkatan Energy Efficiency Ship Indeks (EEXI)
No full textPeningkatan emisi gas rumah kaca secara global mendorong adanya kebijakan pengurangan emisi, termasuk pada sektor pelayaran. Salah satu regulasi internasional yang diterapkan adalah Energy Efficiency Existing Ship Index (EEXI) dari International Maritime Organization (IMO), yang bertujuan untuk mengukur dan meningkatkan efisiensi energi kapal eksisting. Penelitian ini bertujuan untuk menganalisis efektivitas penerapan sistem solar cell pada kapal ferry Ro-Ro passenger 1088 GT sebagai upaya meningkatkan nilai EEXI kapal. Metode yang digunakan meliputi studi literatur, pengumpulan data primer dan sekunder, perhitungan kapasitas dan daya solar cell berdasarkan layout kapal, serta analisis nilai EEXI sebelum dan sesudah penerapan sistem. Berdasarkan hasil perhitungan, sistem solar cell yang terdiri dari 76 panel surya mampu menghasilkan daya harian tertinggi sebesar 370,15 kW pada bulan September dan terendah 161,76 kW pada bulan Desember. Energi tersebut digunakan untuk menyuplai beban listrik kapal sebesar 40,9 kW. Implementasi sistem ini memberikan penurunan nilai EEXI rata-rata sebesar 2,311% dengan reduksi tertinggi sebesar 3,217% pada bulan September. Hasil ini menunjukkan bahwa penerapan sistem solar cell memiliki potensi dalam mendukung peningkatan efisiensi energi kapal dan mendekati standar pengurangan emisi global.
======================================================================================================================================
The global increase in greenhouse gas emissions has prompted the development of emission reduction policies, including in the maritime sector. One of the international regulations implemented is the Energy Efficiency Existing Ship Index (EEXI) introduced by the International Maritime Organization (IMO), which aims to measure and improve the energy efficiency of existing ships. This study aims to analyze the effectiveness of implementing a solar cell system on a 1088 GT Ro-Ro passenger ferry as an effort to enhance the ship's EEXI value. The methods employed include literature review, collection of primary and secondary data, calculation of solar cell capacity and power based on the ship's layout, and analysis of EEXI values before and after system implementation. Based on the calculations, the solar cell system—consisting of 76 solar panels—was able to generate a peak daily output of 370.15 kW in September and a minimum of 161.76 kW in December. The energy produced was utilized to supply the ship’s electrical loads amounting to 40.9 kW. The implementation of this system resulted in an average EEXI reduction of 2.311%, with the highest reduction reaching 3.217% in September. These findings indicate that the application of a solar cell system has significant potential to support improvements in ship energy efficiency and to move toward compliance with global emission reduction standards
Pengukuran Kualitas Modularity Dan Reusability Pada Refactoring Kode Program Berorientasi Objek
No full textKualitas perangkat lunak yang baik sangat penting untuk menjamin keberlanjutan proses pengembangan sistem, khususnya dalam hal kemudahan pemeliharaan dan pengembangan di masa mendatang. Dua sub-karakteristik utama yang mempengaruhi kualitas maintainability adalah modularity dan reusability. Penelitian ini bertujuan untuk mengukur dampak penerapan teknik refaktorisasi terhadap kualitas modularity dan reusability pada kode program berorientasi objek. Proses refaktorisasi dilakukan berdasarkan hasil identifikasi code smell menggunakan alat bantu seperti SonarQube, dengan fokus pada penghilangan bagian-bagian kode yang berpotensi menurunkan kualitas perangkat lunak. Pengukuran kualitas modularity dilakukan menggunakan metrik Coupling of Components Conformance (MMo-1-G) dan Cyclomatic Complexity (MMo-2-S), sedangkan reusability diukur menggunakan Reusability of Assets(MRe-1-G), sesuai dengan standar ISO/IEC 25023. Dataset yang digunakan terdiri dari tiga proyek perangkat lunak Java berskala menengah hingga besar, yaitu Flight Booking System for Airlines, JPetStore-6, dan BlueMap. Pada proyek Flight Booking System for Airlines, terjadi peningkatan sebesar 0,014 pada MMo-1-G dan 0,005 pada MRe-1-G, sementara n pada MMo-2-S tetap yaitu sebesar 1. Pada JPetStore-6, peningkatan juga terjadi pada MMo-1-G sebesar 0,014 dan MRe-1-G sebesar 0,014, dan nilai MMo-2-S yang tetap sebesar 1. Sementara pada BlueMap menunjukkan penurunan pada MMo-1-G sebesar 0,006 dan (MRe-1-G) sebesar 0,002, sedangkan nilai MMo-2-S mengalami sedikit peningkatan sebesar 0,002. Hasil penelitian menunjukkan bahwa refaktorisasi secara umum mampu meningkatkan nilai modularity dan reusability pada sebagian besar dataset, walaupun pada beberapa kasus efeknya cenderung kecil.
============================================================================================================================================
A good software quality is essential to ensure the sustainability of system development processes, particularly in terms of ease of maintenance and future enhancement. Two key sub-characteristics that influence maintainability are modularity and reusability. This study aims to measure the impact of refactoring techniques on the modularity and reusability quality of object-oriented program code. The refactoring process was carried out based on the identification of code smells using tools such as SonarQube, focusing on the elimination of code segments that potentially degrade software quality. The quality of modularity was measured using the Coupling of Components Conformance (MMo-1-G) and Cyclomatic Complexity (MMo-2-S) metrics, while reusability was measured using the Reusability of Assets (MRe-1-G) metric, in accordance with ISO/IEC 25023 standards. The dataset used consists of three medium- to large-scale Java software projects: Flight Booking System for Airlines, JPetStore-6, and BlueMap. In the Flight Booking System for Airlines project, an increase of 0.014 in MMo-1-G and 0.005 in MRe-1-G was observed, while the MMo-2-S value remained unchanged at 1. For JPetStore-6, an increase in MMo-1-G and MRe-1-G was observed, both by 0.014, with MMo-2-S also remaining at 1. Meanwhile, BlueMap showed a decrease of 0.006 in MMo-1-G and 0.002 in MRe-1-G, while MMo-2-S experienced a slight increase of 0.002. The results indicate that refactoring generally improves modularity and reusability values across most datasets, although the effects tend to be relatively small in certain cases
Studi Eksperimental Sistem Pemanen Energi Angin Berbasis Piezoelektrik dengan Media Turbin Vertikal dan Bantuan Pegas
No full textPenelitian ini bertujuan untuk mengembangkan dan menguji sistem pemanen energi angin berbasis piezoelektrik menggunakan turbin vertikal tipe Savonius yang dilengkapi dengan mekanisme pegas. Latar belakang penelitian ini adalah kebutuhan akan sumber energi terbarukan untuk mendukung perangkat berdaya rendah seperti sensor nirkabel dan sistem Internet of Things (IoT). Sistem dirancang untuk mengonversi energi kinetik angin menjadi energi listrik melalui tekanan mekanis berulang pada material piezoelektrik PZT yang ditimbulkan oleh gerakan pemukul dan piston. Penelitian dilakukan dalam skala laboratorium melalui proses pemodelan mekanisme, fabrikasi komponen dengan pencetakan 3D, serta pengujian eksperimental. Variasi pengujian meliputi jumlah bilah turbin (2 dan 4), panjang pegas (50 mm dan 100 mm), jenis material pegas (steel dan stainless steel), serta kecepatan rotasi turbin (200–400 RPM). Data tegangan listrik dikumpulkan menggunakan arduino dan multimeter, kemudian dianalisis untuk menilai efisiensi konversi energi. Hasil penelitian menunjukkan bahwa konfigurasi terbaik diperoleh pada turbin 4 bilah dengan pegas baja sepanjang 50 mm pada kecepatan 400 RPM, menghasilkan tegangan maksimum sebesar 1,296 V. Penambahan jumlah bilah turbin dan pemilihan material pegas terbukti memengaruhi performa sistem secara signifikan. Penelitian ini menunjukkan bahwa pemanen energi berbasis piezoelektrik dengan turbin vertikal dapat menjadi solusi energi alternatif yang efektif, efisien, dan berkelanjutan, terutama pada wilayah dengan kecepatan angin rendah. Sistem ini berpotensi besar untuk diaplikasikan pada perangkat berdaya rendah seperti perangkat IoT di masa depan. =====================================================================================================================================
This study aims to develop and test a piezoelectric-based wind energy harvesting system using a Savonius-type vertical turbine combined with a spring mechanism. The research is motivated by the growing demand for renewable energy to support low-power devices such as wireless sensors and Internet of Things (IoT) systems. The system is designed to convert wind kinetic energy into electrical energy via repeated mechanical pressure on PZT piezoelectric material, triggered by a striker and piston mechanism. The research was conducted at laboratory scale, involving mechanism modeling, 3D printing fabrication, and experimental testing. Variations tested include turbine blade count (2 and 4), spring length (50 mm and 100 mm), spring materials (steel and stainless steel), and turbine rotational speed (200–400 RPM). Voltage output data were collected using arduino and multimeter, then analyzed to evaluate energy conversion efficiency. Results showed the optimal configuration was a 4-blade turbine with a 50 mm steel spring at 400 RPM, producing a peak voltage of 1.296 V. Increased blade count and appropriate spring material significantly improved system performance. This study demonstrates that a piezoelectric-based energy harvester using a vertical turbine offers an effective, efficient, and sustainable renewable energy solution, especially in low-wind areas. The system holds promising potential for future low-power applications such as IoT devices
Rancang Bangun Ultrasonik Water Flow Meter Berdaya Rendah dan Murah Berbasis Perbedaan Time of Flight
No full textMeteran Air Mekanik yang dipakai saat ini memiliki kekurangan yaitu pemeriksaan masih menggunakan pegawai yang mengecek dari rumah ke rumah sehingga membutuhkan banyak waktu untuk cek meteran air, selain itu tingkat akurasi pengukuran yang cukup rendah dan resiko kehilangan air (loss) yang cukup tinggi. Maka dari itu dibutuhkan meteran air digital yang dapat merekam dan mengirim data penggunaan agar tidak memakan banyak waktu pengecekan. Selain itu, akurasi pengukuran perlu ditingkatkan dan perlu adanya sistem untuk mendeteksi resiko kehilangan air. Pada Penelitian ini, teknologi yang akan dibuat yaitu meteran air ultrasonik yaitu meteran yang meggunakan gelombang ultrasonik dengan mengukur selisih dari Time of Flight. Komponen elektrikal yang digunakan pada alat ini yaitu TDC1000 sebagai chip pengendali ultrasonik yang dirancang khusus untuk aplikasi pengukuran waktu tempuh (Time of Flight) menggunakan gelombang ultrasonik, dan TDC 7200 bertugas melakukan konversi digital dengan resolusi tinggi untuk mengukur durasi waktu antara sinyal awal dan akhir yang diterima dari TDC1000. Spesifikasi dari alat ukur ini yaitu untuk Q1 berada pada 0.0015m3/h, dan Q3 dari alat ukur ini yaitu pada 2.5m3/h. Hasil dari Penelitian ini yaitu memiliki akurasi paling baik sekitar 3.11% dengan standar deviasi atau presisi sebesar 0.028992m3/h, nilai ketidakpastian dari alat ini dengan tingkat kepercayaan 95% yaitu 0.0127m3/h.
========================================================================================================================
The mechanical water meters currently in use have shortcomings: inspections still require staff to check each house, which is time-consuming, in addition to having fairly low measurement accuracy and a high risk of water loss. Therefore, a digital water meter is needed that can record and transmit usage data to reduce inspection time. Furthermore, measurement accuracy needs to be improved, and a system to detect the risk of water loss is necessary. In this research, the technology being developed is an ultrasonic water meter, which utilizes ultrasonic waves by measuring the difference in Time of Flight. The electrical components used in this device are the TDC1000, an ultrasonic controller chip specifically designed for Time of Flight (ToF) applications using ultrasonic waves, and the TDC7200, which performs high-resolution digital conversion to measure the time duration between the start and stop signals received from the TDC1000. The specifications for this meter are a Q1 of 0.0015 m³/h and a Q3 of 2.5 m³/h. The results of this research show a best accuracy of approximately 3.11% with a standard deviation, or precision, of 0.028992 m³/h. The uncertainty value of this device, with a 95% confidence level, is 0.0127 m³/h
Autentikasi Penciri Khas Single Origin Biji Kopi Indonesia Berbasis Karakteristik Spektral Laser-Induced Breakdown Spectroscopy (LIBS) dan Analisis Kemometrik
No full textProses sertifikasi kualitas biji kopi di Indonesia memerlukan metode yang mudah dan biaya yang murah. Kualitas biji kopi dapat terlihat dari single origin-nya. Metode spektroskopi dan analisis kemometrik dapat menyelesaikan masalah tersebut. Akan tetapi, masih ada beberapa kekurangan aplikatif dari metode spektroskopi lain yang telah dilakukan oleh penelitian sebelumnya. Penelitian ini bertujuan untuk mencari penciri khas karakteristik spektral dan metode analisis kemometrik dengan performansi terbaik dalam membedakan single origin biji kopi sangrai Indonesia menggunakan teknik spektroskopi berbasis Laser-Induced Breakdown Spectroscopy (LIBS) dengan bantuan metode augmentasi penambahan gaussian noise dari data interpolasi. Sebelum dilakukan pengukuran instrumen LIBS telah dilakukan kalibrasi kestabilan intensitas spektral terhadap energi laser, kalibrasi pergeseran panjang gelombang oleh efek Doppler, serta optimisasi parameter energi laser dan waktu delay detektor. Data spektral diperoleh dari pengukuran pada sampel single origin asal biji kopi sangrai Indonesia, kemudian dilakukan preprocessing meliputi penyetaraan baseline, smoothing Savitzky-Golay, fitting curve fungsi Lorentz, dan normalisasi rentang [0,1]. Hasil dari analisis PCA didapatkan fingerprint autentikasi single origin biji kopi sangrai Indonesia: variasi intensitas spektral unsur Na yang didukung oleh spektral unsur K, H, dan Ca. Untuk memperkuat akurasi dan keandalan autentikasi dilakukan analisis kemometrik berbasis machine learning: Support Vector Machine (SVM), Partial Least Square Discriminant Analysis (PLS-DA), dan 3D Model k-Nearest Neighbors (3D k-NN). Evaluasi machine learning dilaksanakan dengan rasio training:validating:testing set sebesar 70:20:10. Hasil menunjukkan bahwa metode PLS-DA memberikan akurasi terbaik dengan rata-rata 96,75%, diikuti oleh SVM (96,10%) dan 3D k-NN (87,14%). Penelitian ini menunjukkan bahwa kombinasi LIBS dan analisis kemometrik yang tepat dapat menunjukan akurasi autentikasi single origin asal biji kopi sangrai Indonesia yang optimal. Ditambah lagi, penelitian ini menunjukkan sistem bersifat cepat dengan persiapan sampel yang sederhana sehingga menjadi keunggulan daripada metode spektroskopi yang lainnya.
=====================================================================================================================================
The process of certifying coffee bean quality in Indonesia requires a method that is easy and inexpensive. Coffee bean quality can be seen from its single origin. Spectroscopy and chemometric analysis methods can solve this problem. However, there are still some practical shortcomings of other spectroscopy methods that have been carried out in previous studies. This study aims to identify the distinctive spectral characteristics and chemometric analysis methods with the best performance in distinguishing the single origin of roasted Indonesian coffee beans using Laser-Induced Breakdown Spectroscopy (LIBS) spectroscopy techniques, assisted by the addition of Gaussian noise from interpolated data. Before the LIBS instrument measurements were taken, calibration of spectral intensity stability against laser energy, calibration of wavelength shift due to the Doppler effect, and optimization of laser energy parameters and detector delay time were performed. Spectral data were obtained from measurements on single-origin samples of Indonesian roasted coffee beans, followed by preprocessing including baseline equalization, Savitzky-Golay smoothing, Lorentz curve fitting, and normalization to the range [0,1]. The results of PCA analysis yielded the authentication fingerprint of single-origin roasted Indonesian coffee beans: variations in the spectral intensity of Na supported by the spectra of K, H, and Ca. To enhance the accuracy and reliability of authentication, chemometric analysis based on machine learning was performed: Support Vector Machine (SVM), Partial Least Square Discriminant Analysis (PLS-DA), and 3D k-Nearest Neighbors (3D k-NN) model. Machine learning evaluation was performed with a training:validating:testing set ratio of 70:20:10. The results showed that the PLS-DA method provided the best accuracy with an average of 96.75%, followed by SVM (96.10%) and 3D k-NN (87.14%). This study demonstrates that the combination of LIBS and appropriate chemometric analysis can achieve optimal accuracy in authenticating the single origin of Indonesian roasted coffee beans. Additionally, this study shows that the system is fast with simple sample preparation, making it an advantage over other spectroscopic methods