IJEIS (Indonesian Journal of Electronics and Instrumentation Systems)
Not a member yet
300 research outputs found
Sort by
Deteksi Objek dan Pengenalan Karakter Plat Nomor Kendaraan dengan Metode Deep Learning
Full text linkThe Ministry of Transportation reported a 4.30% increase in the number of motorized vehicles in Indonesia in 2021, making the Automatic Number Plate Recognition (ANPR) system increasingly important for traffic management. However, implementing ANPR in different weather conditions is challenging. To address this issue, a study used two deep learning modules, YOLOv5n for license plate detection and the TPS-ResNet-BiLSTM-Attn framework for character recognition. Each module was trained with two types of datasets, Dataset 1, which included images with variations in sunny and cloudy weather conditions, and Dataset 2, which included images with variations in sunny, cloudy, and moderate rainy weather conditions. The best-performing training method for the YOLOv5n model was using Dataset 2 and evolution hyperparameters, with a testing result of mAP 0.893 and f1-score 0.887. The best-performing training method for the TRBA framework was using Dataset 2 (3200 data), with a testing result of 83.08% accuracy. The ANPR system has various applications in sectors such as command forces, parking management, and road safety. The combination of object detection and character recognition allows for the development of an end-to-end AI solution for automatic license plate recognitio
Analisis Implementasi OV2640 dan MFRC522 Sebagai Bagian dari Sistem Belanja Self-Service
Full text linkPeningkatan angka konsumsi dan perubahan preferensi masyarakat pasca pandemi COVID-19 mengakibatkan minat terhadap layanan mandiri (self-service) kian meningkat. Hal ini mendorong sektor retail untuk beradaptasi dalam mengembangkan sistem belanja self-service. Penelitian yang ada sebelumnya telah melakukan eksplorasi mengenai potensi penggantian identifikasi barang berbasis barcode dengan alternatif identifikasi lain seperti Quick Response Code (QR-Code) atau Radio Frequency Identification (RFID). Oleh karena itu penelitian ini membahas mengenai pengaruh identifikasi QR-Code dan RFID dalam kecepatan transaksi pada sistem belanja self-service. Penelitian ini menggunakan OV2640 untuk identifikasi QR-Code dan MFRC522 untuk identifikasi RFID. Hasil penelitian yang dilakukan menunjukkan identifikasi RFID memiliki kecepatan respon 3-4 kali lebih cepat dibandingkan identifikasi QR-Code sehingga mampu menyelesaikan transaksi 63% lebih cepat dibandingkan identifikasi QR-Code
Ethereum Blockchain-Based Weather Data Storage Prototype
Full text linkThe application of Ethereum Blockchain within IoT-based weather monitoring systems presents substantial potential for enhancing data security, integrity, transparency, and trust. This study is focused on the design, implementation, and evaluation of Ethereum Blockchain as a robust data security mechanism in an IoT weather monitoring system. The system is configured to monitor environmental parameters, specifically temperature and humidity, using DHT22 sensors, with data securely stored and processed through smart contracts on a locally deployed Ethereum network. The research utilizes the Proof of Authority consensus mechanism, assessing data transmission and storage latency across varying mining intervals. The findings reveal minimal transmission delays, whereas storage delays on the blockchain exhibit variability, influenced by the duration of the mining period. Specifically, longer mining intervals contribute to increased delays in data storage. These results underscore the necessity of optimizing the mining interval to ensure complete and synchronized data storage, thereby enhancing the accuracy and reliability of the weather monitoring system. This study demonstrates the efficacy of Ethereum Blockchain in addressing critical challenges related to data security and integrity within IoT applications, highlighting its potential as a promising solution for secure data management.
Klasifikasi Ekspresi Wajah Menggunakan CNN Dalam Keadaan Wild Setting Pada Virtual Meeting
Full text linkEkspresi wajah merepresentasikan perasaan dalam diri manusia serta dapat menjadi sebuah mediator dalam dunia sosial. Dalam rapat virtual, pemahaman terhadap suasana hati dan emosi peserta sangat dibutuhkan untuk menciptakan interaksi dan kerjasama yang baik. Emosi alami akan muncul ketika peserta berbicara secara spontan dengan keadaaan lingkungan alami tanpa dikondisikan sebelumnya. Oleh karena itu, dibutuhkan sebuah sistem yang mampu mengetahui emosi manusia secara otomatis dalam keadaan spontan (wild setting) pada virtual meeting sehingga ekspresi lebih alami. Teknik machine learning digunakan untuk melakukan klasifikasi ekspresi wajah pada virtual meeting.Penelitian ini membandingkan performa arsitektur LightCNN dan EfficientNet. Pelatihan dilakukan pada dataset gabungan antara FER-2013, Extended and Augmented Google FER dan CK+. Dataset berjumlah 67.362 citra terbagi menjadi data training 60.184 buah, data validation 3.589 buah, dan data testing 3.589 buah. Input model arsitektur EfficientNet divariasikan menjadi 48x48 dan 224x224 pixels. Optimasi learning rate dilakukan untuk menemukan performa tertinggi dari arsitektur terbaik. Hasil penelitian menunjukan bahwa arsitektur terbaik adalah EfficientNet dengan input 48x48 pixel. Nilai parameter learning rate paling optimal yaitu 0,0005. performa model dalam klasifikasi ekspresi wajah mencapai akurasi 90,50%, presisi 89,50%, recall 90,69% dan F1-score 90,06%. Implementasi EfficientNet pada video virtual meeting untuk mengklasifikasikan ekspresi wajah mendapatkan performa akurasi sebesar 96,18%.
Peningkatan Performa Klasifikasi Sel Darah Merah pada Pasien Talasemia Minor
Full text linkTalasemia merupakan kelainan darah turunan yang menyebabkan rusaknya rantai hemoglobin pada eritrosit penderita. Pada kasus talasemia minor, pasien hanya menjadi pembawa gen talasemia dan tidak bergejala. Hal ini menyebabkan sedikitnya penderita talasemia minor yang terdeteksi. Saat ini, ahli hematologi harus menghitung eritrosit abnormal secara manual berdasarkan bentuk, warna, dan tekstrur sel. Untuk itu, banyak penelitian yang memanfaatkan citra eritrosit untuk melakukan mengklasifikasi keabnormalan pada citra eritrosit secara otomatis. Namun, jumlah data yang terbatas menyebabkan salah satu jenis keabnormalan yaitu sel pensil belum terklasifikasi pada penelitian sebelumnya. Tujuan dari penelitian ini adalah mengatasi kendala tersebut dengan melakukan klasifikasi secara bertingkat dimana pada tahapan klasifikasi pertama sel pensil dikelompokkan kepada sel yang mirip, yaitu sel eliptosis terlebih dahulu. Penelitian ini menggunakan klasifier Convolutional Neural Network (CNN) pada proses klasifikasi pertama dan Support Vector Machine (SVM) pada proses klasifikasi kedua. Hasil eksperimen menujukkan klasifier CNN dengan arsitektur MiniVGGNet dan berhasil mengkasifikasi citra eritrosit ke dalam delapan kelas dengan nilai akurasi 96,05%, presisi 96,00%, sensitivitas 96,05%, dan F1 score 95,95%. Klasifier SVM Polinomial dengan kombinasi fitur geometris yang terdiri dari eccentricity, compactness, circularity, dan rasio sel berhasil mengklasifikasi sel pensil dengan nilai presisi 100,00%, sensitivitas 100,00%, dan F1 score 100,00%
Klasifikasi Level Banjir Menggunakan Random Forest dan Support Vector Machine
No full textFloods are one of the most common natural disasters in Indonesia. This study analyzes the impact of each flood event by examining factors such as duration, water level, and the number of affected individuals to identify flood characteristics based on severity. Climate variables such as temperature, humidity, rainfall, and wind speed were investigated as parameters characterizing flood occurrences. The primary objective of this research is to classify flood levels using Random Forest and Support Vector Machine (SVM) algorithms, and to evaluate the accuracy of these classifications using a Confusion Matrix. The outcomes are intended to inform decision-making processes during floods, thereby aiming to minimize associated losses. The research utilized historical flood data from the DKI Jakarta BPBD, accessed through the Satu Data Jakarta website, and climate data from the BMKG Geophysical Station, covering the period from 2013 to 2020. The Random Forest classification system demonstrated exceptional performance, achieving an accuracy of 99.21%. Similarly, the SVM classification system performed robustly, with an accuracy of 98.43%. Both models initially exhibited overfitting during the early stages of model development. However, this issue is diminished as the dataset size increases, thereby enhancing the models' generalization capabilities
Pengenalan Jenis Beban Listrik menggunakan Fast Fourier Transform dan Neural Network
Full text linkThe current condition of global energy utilization is that 40% is consumed by residential, this value is higher than industrial and commercial groups. Overcoming this problem can be done through energy conservation management specifically for household customers. The initial process of energy conservation is monitoring the use of electrical energy loads that are being used. Monitoring the type of use of electrical energy loads that have low-cost features is Non-Intrusive Load Monitoring (NILM). The method that can be used to monitor electrical energy loads with NILM is a combination of Fast Fourier Transform (FFT)-Artificial Neural Network (ANN). The success rate of recognizing this type of electrical load depends on the size of the epoch during the ANN training process. Based on testing the success value of being able to achieve a value of 100% if using epoch 10000, it is different if using epoch 500 the success is only up to 30%. The results of the calculation process using the confusion matrix have an accuracy of 0.5876 or 58.76%, while the F1 value is 0.6928 or 69.28%
Inspeksi Kualitas Pengelasan Besi Menggunakan Teknik Segmentasi Citra Berbasis Convolutional Neural Network
Full text linkInspeksi pengelasan merupakan kebutuhan mutlak bagi dunia industri terutama yang bergerak dibidang otomotif untuk memastikan kualitas las. Namun demikian, sebagian besar industri masih menggunakan pemeriksaan manual yang bersifat subjektif dan penuh dengan bias yang dapat berakibat pada inkonsistensi dalam penilaian standar kualitas. Oleh karena itu, diperlukan suatu sistem cerdas yang dapat memeriksa kualitas pengelasan dengan konsisten. Penelitian ini bertujuan untuk membuat model kecerdasan buatan berbasis deep learning dan computer vision untuk mendeteksi area-area pengelasan dan mengklasifikasikannya kedalam kategori baik dan buruk. Model CNN dengan arsitektur UNet diadopsi untuk melakukan segmentasi citra pada gambar pengelasan besi. Studi penggunaan beberapa teknik ekstraksi fitur juga dilakukan untuk mendapatkan performa model terbaik berdasarkan skor IoU dan kecepatan konvergensi model. Berdasarkan hasil eksperimen, teknik CNN UNet terbukti mampu meningkatkan performa model dengan skor IoU sebesar 78,1% dan dengan kecepatan konvergensi dalam 144 epoch.--Welding inspection is an absolute necessity for the industrial world, especially those engaged in the automotive sector to ensure weld quality. However, most industries still use manual inspection which is subjective and full of bias which can result in inconsistencies in the assessment of quality standards. Therefore, intelligent system that can check the quality of welding consistently is needed. This study aims to create an artificial intelligence model based on deep learning and computer vision to detect welding spots and classify them into good and bad categories. CNN model with UNet architecture is adopted to perform image segmentation on iron welding images. Studies using several feature extraction techniques are also conducted to obtain the best model performance based on IoU scores and model convergence speed. Based on the experimental results, the UNet technique is proven to be able to improve the performance of the model with an IoU score of 78.1% and with a convergence speed of 144 epochs
Implementasi Teknologi NG-PON2 Dalam Perancangan Internet Berkecepatan Tinggi
No full textInternet telah menjadi salah satu kebutuhan primer di era moderen ini. Hal ini mendorong pembangunan infrastruktur fiber optik menjadi lebih bagus dari pada sebelumnya. Untuk mendukung hal tersebut, maka dikembangkan teknologi NG-PON2 (Next Generation-Passive Optical Network stage 2). NG-PON2 adalah teknologi broadband berbasis fiber optik yang menawarkan kecepatan data hingga 40 Gbps. Implementasi dari teknologi NG-PON2 ini digunakan untuk merancangan jaringan internet di suatu perumahan. Dalam perancangan jaringan internet biasanya penempatan ODP (Optical Distribution Poin)t) dilakukan secara manual dan tidak sistematis sehingga menimbulkan penurunan kualitas layanan karena jarak rumah pelanggan dengan ODP terlalu jauh. Oleh karena itu diperlukan suatu metode agar penempatan ODP menjadi lebih baik. Pada penelitian ini algoritma K-Medoids digunakan dalam menentukan letak ODP agar lebih optimal dan efisien. Ada dua skenario rancangan penempatan ODP yaitu instalasi aerial dan pedestal. Hasil penelitian menunjukkan bahwa instalasi aerial lebih baik karena secara umum memiliki daya terima ONT yang lebih tinggi dibandingkan dengan pedestal. Selain itu biaya pembangunan instalasi aerial juga lebih rendah. Kelebihan instalasi pedestal adalah penggunaan kabel optik yang lebih pendek dan secara estetik lebih baik karena ditanam di dalam tanah
Sistem Kendali Level Air Separator pada Produksi Uap di Kilang Minyak Menggunakan Kontrol PID
Full text linkMinyak bumi pada proses distilasi dipisahkan sesuai fraksi menurut titik didihnya, dengan adanya kondisi vakum maka akan menghasilkan parameter fisis yang dituju, sehingga memenuhi parameter produk yang diinginkan. Sistem produksi uap merupakan pengendalian cascade atau bertingkat, terdapat dua paramater pengendalian yang dikendalikan yaitu flow dan level. Analisa kinerja sistem produksi uap dengan prinsip two phase separator ini dilakukan dengan membuat model matematis sehingga mendekati keadaan aslinya menggunakan separator geometry dan perangkat lunak Matlab R2018b, maka diperlukan pengendali untuk menganalisanya, metode pengendali yang digunakan adalah metode Ziegler-Nichols Critical Gain dan Critical Period. dan tuning untuk menentukan gain parameter pengendalinya (Kp, Ki, Kd). Berdasarkan hasil pengujian, tipe pengendali dengan hasil terbaik adalah pengendali PID untuk pengendali flow dengan parameter Kp = 0.12, Ti = 0.28, Td = 0.4, dengan performansi Rise Time = 1.97, Settling Time = 7.17, Overshoot (%) = 9.01, dan Hasil terbaik untuk pengendali level adalah pengendali P dengan parameter Kp = 0.06, dengan performansi Rise Time = 3.16, Settling Time = 7.71, Overshoot (%) = 2.45