IJEIS (Indonesian Journal of Electronics and Instrumentation Systems)
Not a member yet
300 research outputs found
Sort by
Analisis Parameter Windowing STFT Pada Klasifikasi Gerakan Jari Berbasis EMG
No full textA spectrogram is essential in analyzing EMG signals for finger motion recognition. It relies on STFT parameters like window size, overlap, and window type for accuracy. Optimal parameter selection is challenging due to EMG sensitivity to minor changes affecting recognition accuracy. The study employs AlexNet to recognize spectrograms from EMG signals, using various STFT parameter combinations for five finger movements.Results show that a window size of 100, 50% overlap, and Hamming window outperform other combinations. A window size of 100 consistently outperforms 200 and 300, while a 50% overlap is better than 25% and 75%. Hanning window types consistently outperform Hamming, Blackman, and Tukey. This research streamlines EMG spectrogram analysis for efficient finger motion recognition
Identifikasi Pengenalan Pola Daun Kelor Kering Dengan You Only Look Once V8
No full textOptimal drying of Moringa oleifera leaves plays an important role in maintaining nutritional quality and meeting desired pattern recognition standards. This research proposes the use of You Only Look Once (YOLO) V8, an object identification method in computer vision, to identify the drying level of Moringa leaves in real-time. The integration of a camera in the drying machine allows visual monitoring of changes in moringa leaves during the drying process. YOLOv8 was implemented to recognize and track changes in moringa leaf dryness levels, enabling timely analysis. The identification results are then classified into dry "YES" or "NO" conditions according to quality standards. This research aims to increase production efficiency, real-time quality monitoring, and ensure Moringa leaf products meet established quality standards. By using the YOLOv8 method, it is hoped that this research will provide an innovative and effective solution in overcoming the challenge of optimally drying Moringa leaves
Sistem Deteksi Kebakaran Hutan menggunakan E-nose Berbasis pada JST Backpropagation
Full text linkIndonesia memiliki hutan yang sangat luas yaitu 93,95 juta ha setara dengan 50% luas daratan Indonesia. Luasan hutan di Indonesia terus mengalami penurunan setiap tahunnya diakibatkan oleh kebakaran hutan. Maka untuk menekan penurunan kebakaran hutan diperlukan alat untuk mendeteksi kebakaran sedini mungkin dikarenakan kebakaran hutan jika sudah menyebar sulit untuk dipadamkan. Pendeteksian kebakaran hutan saat ini masih dilakukan manual dengan bantuan visual yang kurang dapat mendeteksi lebih dini. Penelitian tentang sistem detektor kebakaran hutan sangat perlu dikembangkan untuk menanggulangi kebakaran yang lebih besar. Pada penelitian ini, pendeteksian menggunakan sebuah electronic nose (e-nose), sensor suhu, kelembapan, serta debu untuk mendeteksi asap kebakaran hutan dan ditambah dengan sensor FLIR (Forward Looking Infrared) sebagai detektor dini kebakaran hutan.Sensor-sensor membaca asap dalam bentuk sinyal dengan pola tertentu untuk tiap sampel asap. Pola-pola tersebut kemudian dilakukan prapemrosesan data dengan melakukan normalisasi baseline dan ekstraksi ciri 4 metode yang berbeda. Ciri yang didapat kemudian akan dikenali dengan menggunakan metode pengenalan pola yaitu Jaringan Saraf Tiruan (JST) Backpropogation. Proses pengenalan dilakukan dengan melakukan pelatihan untuk mencapai parameter-parameter yang optimal sehingga didapat model optimal. Pengujian model terbaik dengan beberapa titik api menghasikan akurasi dalam membedakan jenis asap 98% untuk satu titik dan 100% untuk beberapa titik
Model Reference Adaptive Control of a DC Motor Speed with Encoder using Hardware in the Loop
Full text linkThis study aims to design speed control of a DC motor with an encoder using the Model Reference Adaptive Control (MRAC) via hardware in the loop (HIL) system. Although conventional control such as a PID control is still found in many dc motor control applications today, but they have limitations in adaptiveness from any uncertainties and noises. Therefore, this paper proposes a more adaptive control technique. Model Reference Adaptive Control which forces the real system to follow the behavior of the reference model system even though there is uncertainty in the system dynamics. This research includes the design of a hardware system on a loop consisting of a DC motor plant, MRAC controller, and control display. In addition, experiments were also carried out to test the performance control with sinusoidal reference signals and signal reference steps. The test results show that the MRAC control successfully follows the reference signal with low Root Mean Squared Error (RMSE) values. In conclusion, this study succeeded in designing a control on a DC encoder motor using the Model Reference Adaptive Control on the system hardware in a loop and yields satisfactory results in experimental testin
Purwarupa Multipurpose Tracking Camera Menggunakan Metode Object Tracking CSR-DCF dan Kendali PID
Full text linkObject tracking merupakan permasalahan menentukan lokasi, alur dan karakteristik dari objek yang ingin dideteksi menggunakan pengukuran dari sensor. Metode CSR-DCF mengabungkan antara algoritma discriminative correlation filter dan channel spatial reliability untuk dapat mendeteksi objek yang abstrak sehingga meningkatkan kemampuan deteksi objek. Tetapi permasalahan lain yang muncul adalah karena algoritma object tracking menerapkan prinsip online learning sehingga tidak dapat melakukan tracking apabila objek hilang dari frame.Pada penelitian ini akan digunakan servo 2 sumbu sebagai penggerak pan-tilt camera agar sistem dapat mengikuti objek. Kendali yang digunakan pada sistem ini adalah PID dengan beberapa nilai kombinasi antara konstanta P, I dan D. Pengujian pada algoritma CSR-DCF juga dilakukan dengan mengubah nilai parameter terhadap objek yang berbeda. Dengan ini diharapkan akan didapat pengaruh dari parameter feature dari algoritma terhadap hasil tracking.Dari hasil pengujian didapat bahwa nilai konstanta yang paling stabil yaitu nilai P = 1, I = 0.1 dan D = 60. Dengan konfigurasi ini sistem mengalami error paling sedikit. Kemudian pada pengujian parameter metode CSR-DCF, parameter use_color_names memiliki pengaruh yang besar terhadap objek yang dibuktikan dengan tingkat keberhasilan deteksi dengan penggunaan parameter tersebut
Studi Perbandingan Daya dan Konsumsi Energi Dispenser: Kontrol PID vs. Kontrol Termostat
No full textThe production of electrical energy still relies on fossil fuels which produce greenhouse gas emissions and cause global warming. This issue requires a more efficient and effective use of electrical energy. On the other hand, electricity remains an essential daily need, such as for powering hot water dispensers. However, traditional on-off dispensers operate at maximum power, leading to potential household disruptions. It would be more beneficial if dispensers did not use maximum power while maintaining their temperature during standby. This research aims to propose a solution to reduce power usage and suppress electricity consumption in dispensers.This study implements PID control in a hot water dispenser to gather information on its power and energy consumption. Using the Ziegler-Nichols method, tuning parameters were determined as follows: Kp=15.0261, Ki=0.1633, and Kd=345.6. Data acquisition for temperature, power, and energy was conducted on the on-off thermostatic dispensers set at 80°C and 93°C, as well as on PID-controlled dispensers with setpoints at 80°C and 93°C. The results indicate that the PID-controlled dispenser uses only 30% of the maximum power, although the total energy consumption increases by 17Wh to 57Wh due to the need to maintain the temperature close to the setpoin
Peningkatan Akurasi Deteksi Jatuh Menggunakan Sensor Akselerometer dan Giroskop pada Smartphone
Full text linkThe aging population is a global concern, partly because as the body ages, physical conditions weaken, increasing the likelihood of falls. Falls are particularly dangerous for the elderly as they can lead to serious problems and even death. Detecting falls quickly and accurately is crucial to implement preventive measures and timely intervention when a fall occurs.This research focuses on designing a human physical activity classification system, primarily used for fall detection. Seven model architectures are proposed using a novel approach involving the variant of recurrent neural network (RNN) methods, including Long Short-Term Memory (LSTM), Gated Recurrent Unit (GRU), and Simple Recurrent Neural Network (SimpleRNN). Additionally, variations with Convolutional Neural Network (CNN) are explored, specifically 1D Convolutional Neural Network (1D CNN).Validation results of the classification show that the experimented methods for the classes of sitting, standing, and falling achieved perfect scores, while the falling class showed varying scores for each designed model architecture. For the overall classes, the lowest performance is observed in the combination of 1D CNN and SimpleRNN architecture with an accuracy of 95.6%, whereas the highest performance is attributed to the SimpleRNN architecture and the combined CNN and GRU architecture with an accuracy reaching 99.0%
Classification of KJA Net Conditions Using ROV and Computer Vision
Full text linkThe development and integration of Remotely operated vehicle (ROV) with computer vision has been carried out and shows excellent performance. All ROV features functions run smoothly and without problems and are able to monitor the condition of nets in floating net cages (KJA) and produce underwater videos. Data collected from ROV are processed, utilizing the YOLOv8 model and showed very positive results in classifying the condition of KJA nets. The model achieves an accuracy level of 1 or 100% differentiate between clean and dirty net. Based on these results, it can be concluded that the YOLOv8 model has excellent performance in recognizing mesh objects with a high level of accuracy. These results provide confidence that this model can be trusted in monitoring the condition of KJA nets
Sistem Informasi Monitoring Kumbung Jamur Tiram Berbasis Internet of Things
Full text linkSistem Informasi Monitoring Kumbung Jamur Tiram Berbasis Internet of Things (IoT) adalah sebuah solusi inovatif untuk memantau dan mengelola pertumbuhan jamur tiram secara efisien. Dalam konteks ini, IoT digunakan untuk menghubungkan sensor-sensor yang terpasang di dalam kumbung jamur tiram ke platform digital. Sensor-sensor tersebut mengumpulkan data tentang kondisi lingkungan seperti suhu, kelembaban, dan tingkat CO2 di sekitar kumbung. Data yang terkumpul ini dikirim secara real-time melalui jaringan internet ke platform yang dapat diakses oleh pengguna melalui perangkat seluler atau komputer. Melalui sistem ini, petani jamur tiram dapat memantau kondisi kumbung secara akurat tanpa harus secara fisik berada di lokasi. Mereka dapat menerima pemberitahuan jika ada perubahan signifikan dalam kondisi lingkungan yang dapat mempengaruhi pertumbuhan jamur tiram. Selain itu, data historis yang terkumpul juga dapat digunakan untuk menganalisis pola pertumbuhan jamur tiram dan mengidentifikasi faktor-faktor yang memengaruhi produksi. Dengan adopsi sistem ini, diharapkan dapat meningkatkan efisiensi dalam pengelolaan kumbung jamur tiram, mengoptimalkan proses pertumbuhan, dan meningkatkan hasil panen. Selain itu, sistem ini juga dapat membantu dalam meminimalkan risiko kerugian akibat kondisi lingkungan yang tidak ideal. Dengan demikian, Sistem Informasi Monitoring Kumbung Jamur Tiram Berbasis IoT memiliki potensi besar untuk meningkatkan produktivitas dan keberlanjutan industri jamur tira
PENGENALAN TEKS BAHASA INDONESIA PADA CITRA TULISAN TANGAN BERBASIS TRANSFORMER
Full text linkDigitalisasi dokumen dapat dipercepat berkat kemajuan teknologi. Banyak upaya telah dilakukan untuk mengenali teks dari foto. Banyak arsitektur mampu mengenali teks, khususnya citra tulisan tangan salah satunya adalah transformer. Pada penelitian sebelumnya masih banyak yang menggunakan dataset citra dengan aksara tegak sehingga kurang variatif. Untuk meningkatkan keahlian pemodelan pembelajaran, proyek ini berfokus pada pengimplementasian dan pengembangan sistem pada Transformers dengan pengujian dataset yang lebih bervariasi.Dataset yang digunakan terdiri dari foto dengan tulisan Indonesia. setelah langkah pra-pemrosesan kemudian akan diubah menjadi token dengan label kelas dan koordinat kotak pembatas untuk anotasi gambar. Dataset akan dilatih menggunakan arsitektur transformer. Encoder-decoder merupakan dasar dari arsitektur Transformer ini. Pengujian data dilakukan setelah model dilatih menggunakan mean Average Precision (mAP).Sistem yang dibuat mampu mengenali dan mengklasifikasikan objek secara akurat dari data gambar tulisan tangan, termasuk objek yang mewakili kata-kata bahasa Indonesia. Hyperparameter yang paling optimal didapatkan batch dan jumlah epoch masing-masing 32 dan 40. Dengan menggunakan parameter terbaik, evaluasi model menghasilkan data dari sampel latih dan uji dengan masing-masing nilai mAP 0,97 dan 0,95