Jurnal Elektro
Not a member yet
140 research outputs found
Sort by
PENGUKURAN BACKUP TIME UNINTERRUPTIBLE POWER SUPPLY UNTUK PENENTUAN KAPASITAS BATERAI VRLA
Get PDFA battery is a device that stores power in an Uninterruptible Power Supply (UPS) system. The most common type of UPS battery found today is Valve Regulated Lead Acid (VRLA). So that the UPS can work optimally according to its capacity and backup time, it is necessary to determine the battery capacity. In this research, the capacity of the VRLA battery on a particular UPS was determined based on direct testing and based on calculations. VRLA battery capacity calculations refer to the UPS and battery datasheet. The calculation stage starts from calculating the current and battery power used according to the load power absorbed by the UPS and referring to the table of constant current discharge and constant power discharge characteristics. Determining battery capacity based on testing is done by measuring the backup time of the UPS. The calculation results and test results directly show that there is a difference in backup time because the battery used is an old stock battery. The research results also prove that determining battery capacity by calculation can ensure that the battery capacity is more appropriate or not too large so it is more economical.Baterai adalah perangkat yang menyimpan daya di dalam sistem Uninterruptible Power Supply (UPS). Jenis baterai UPS yang paling umum dijumpai saat ini adalah Valve Regulated Lead Acid (VRLA). Agar UPS dapat bekerja secara maksimal sesuai dengan kapasitas dan backup time nya, maka perlu menentukan kapasitas baterai. Pada penelitian ini dilakukan penentuan kapasitas baterai VRLA pada UPS tertentu berdasarkan pengujian langsung dan berdasarkan perhitungan. Perhitungan kapasitas baterai VRLA mengacu pada datasheet UPS dan baterai. Tahapan perhitungan dimulai dari menghitung arus dan daya baterai yang digunakan sesuai dengan daya beban yang diserap UPS serta mengacu pada tabel karakteristik constant current discharge dan constant power discharge. Penentuan kapasitas berdasarkan pengujian dilakukan dengan mengukur backup time dari UPS tersebut. Hasil perhitungan dan hasil pengujian langsung menunjukkan adanya perbedaan backup time karena baterai yang digunakan adalah baterai stock lama. Hasil penelitian juga membuktikan bahwa penentuan kapasitas baterai dengan perhitungan dapat memastikan kapasitas baterai yang lebih sesuai atau tidak terlalu besar sehingga lebih ekonomis
Analisis Performansi Jaringan Saraf Dalam terhadap Dataset Digit Berderau
No full textThis work investigates the impact of noise on model performance by training a neural network on a digit dataset with varying Signal-to-Noise Ratios (SNR) to assess its resilience and generalization ability. The experimental setup involved training the model on datasets with noise levels ranging from clean images to highly distorted ones (SNR 5%–25%), analyzing accuracy, mini-batch loss, and training time. Results indicate that while the model achieves high accuracy (96.88%) at mild noise levels (SNR 5%), performance declines significantly at higher noise levels, with accuracy dropping to 78.91% at SNR 25%. The analysis of mini-batch loss and training time reveals that noise slows convergence and increases computational complexity. The confusion matrix further confirms that while the model effectively distinguishes between classes, noise-induced misclassifications become more frequent at lower SNRs. These findings emphasize the importance of noise reduction techniques and data preprocessing to improve model robustness in real-world applications.Jaringan saraf tiruan banyak digunakan untuk pengenalan gambar, tetapi kinerjanya dapat terpengaruh secara signifikan oleh keberadaan noise. Tulisan ini bertujuan menyelidiki bagaimana jaringan saraf yang dilatih pada dataset digit dengan berbagai tingkat noise dapat mengenali gambar, dengan tujuan mengevaluasi ketahanan dan kemampuan generalisasinya. Eksperimen dilakukan dengan melatih model pada dataset dengan Signal-to-Noise Ratio (SNR) yang bervariasi, mulai dari gambar normal hingga kondisi dengan berbagai Tingkat noise (SNR 5%–25%), kemudian menganalisis akurasi, mini-batch losses, dan waktu pelatihan. Hasil menunjukkan bahwa model mencapai akurasi tinggi (96,88%) pada SNR 5%, tetapi kinerjanya menurun seiring meningkatnya noise, dengan akurasi turun menjadi 78,91% pada SNR 25%. Analisis juga menunjukkan bahwa noise memperlambat konvergensi dan meningkatkan kompleksitas komputasi, yang terlihat dari waktu pelatihan yang lebih lama dan kehilangan yang lebih tinggi pada SNR rendah. Matriks kebingungan mengonfirmasi bahwa meskipun model dapat mengklasifikasikan sebagian besar sampel dengan baik, misklasifikasi lebih sering terjadi pada tingkat noise yang lebih tinggi. Temuan ini menekankan pentingnya teknik reduksi noise dan prapemrosesan data untuk meningkatkan ketahanan model dalam aplikasi dunia nyata
Classification Of Multi-Class Face Expression Using Modification Of VGG-16 Model
Get PDFIn the era of modern technology, facial recognition has become an important application in various fields, such as security, education and health. One method used to recognize faces is a Convolutional Neural Network (CNN), specifically the VGG-16 architecture which is known for its consistent performance. But even though CNN can recognize faces, its accuracy in recognizing faces is inadequate. This research aims to increase the accuracy of facial expression classification so that it is more optimal by modifying the CNN VGG-16 architecture. This research uses GridSearch techniques, K-Fold Cross Validation, and utilizes multiple datasets. The dataset used consists of two image datasets, namely SMIC and SAMM facial-micro expressions, each of which has been normalized and converted to a grayscale scale measuring 48x48 pixels. The GridSearch process is applied to optimize parameters such as the number of filters, learning rate, dropout rate, activation function, and batch size. The K-Fold Cross Validation technique with five folds was used to ensure the generalization of the model to new data. The research results show that this modification is able to achieve validation accuracy of up to 98.31% in the training process, showing a significant improvement compared to the standard method. And showed an increase in accuracy in testing of 98.04% in research.Di era teknologi modern, pengenalan wajah telah menjadi aplikasi penting di berbagai bidang, seperti keamanan, pendidikan, dan kesehatan. Salah satu metode yang digunakan untuk mengenali wajah adalah Convolutional Neural Network (CNN), khususnya arsitektur VGG-16 yang dikenal dengan kinerjanya yang konsisten. Namun meskipun CNN dapat mengenali wajah, akurasinya dalam mengenali wajah belum memadai. Penelitian ini bertujuan untuk meningkatkan akurasi klasifikasi ekspresi wajah agar lebih optimal dengan memodifikasi arsitektur CNN VGG-16. Penelitian ini menggunakan teknik GridSearch, K-Fold Cross Validation, dan memanfaatkan beberapa dataset. Dataset yang digunakan terdiri dari dua dataset citra, yaitu ekspresi wajah-mikro SMIC dan SAMM yang masing-masing telah dinormalisasi dan dikonversi ke skala grayscale berukuran 48x48 piksel. Proses GridSearch diterapkan untuk mengoptimalkan parameter seperti jumlah filter, learning rate, dropout rate, fungsi aktivasi, dan ukuran batch. Teknik K-Fold Cross Validation dengan lima kali lipat digunakan untuk memastikan generalisasi model ke data baru. Hasil penelitian menunjukkan bahwa modifikasi ini mampu mencapai akurasi validasi hingga 98,31% pada proses pelatihan, menunjukkan peningkatan yang signifikan dibandingkan dengan metode standar. Dan menunjukkan peningkatan akurasi pada pengujian sebesar 98,04% pada penelitian
Deep Learning-Based Brain Tumor Classification Using Convolutional Neural Network
Get PDFAn essential noninvasive medical diagnostic technique is magnetic resonance imaging (MRI), which is particularly useful for identifying brain cancers. While earlier algorithms proved effective on smaller MRI datasets, their performance suffered on bigger datasets. This study addresses the need for a swift and reliable brain tumor classification system capable of sustaining optimal performance across comprehensive MRI datasets. The convolutional neural network is implemented using the Keras library, incorporating the ResNet50 architecture as a pre-trained model. The ResNet50 model is fine-tuned for the specific brain tumor classification task, with a Global Average Pooling layer, dropout, and a final dense layer with softmax activation. Data augmentation techniques are employed to enhance the model’s robustness, including rotation, width and height shifts, and horizontal flips. The training process involves optimizing the model using the Adam optimizer with a learning rate of 0.0001. Early stopping, learning rate reduction on plateau, and model checkpointing are implemented as callbacks to ensure efficient training and prevent overfitting. The proposed model achieves a remarkable accuracy of 99.28 percent after 15 epochs. The classification task involves distinguishing among four classes: glioma, meningioma, pituitary, and no tumor
Design and Implementation of a Vision-based Wheeled Mobile Robot Using HSV Color Segmentation and P-D Control
Get PDFThis study presents the design and implementation of a wheeled mobile robot capable of detecting and tracking a ping-pong ball using vision-based processing. The system integrates a Raspberry Pi 3 Model B+ as the main controller, a Raspberry Pi Camera Rev 1.3 for visual input, and DC motors driven by an L298N motor driver for actuation. Object detection is achieved through color segmentation in the HSV color space using the OpenCV library, followed by morphological filtering and contour analysis. A proportional-derivative (PD) control algorithm is employed to adjust motor speeds dynamically based on the ball's horizontal position in the frame. The experimental results demonstrate that the robot can successfully detect and follow a ping-pong ball, although it exhibits limitations in processing speed and motion stability. The average frame rate during operation was 5 FPS, which is sufficient for basic tracking tasks but suboptimal for high-speed applications. This project highlights the feasibility of vision based robotic systems for simple object tracking tasks
Optimizing Secure Communication in Distributed Corporate Networks through PPTP and IPSec VPN Protocols
Get PDFIn today’s industry, company’s activities are scattered in several locations and need internet for communication purposes. However, it will be dangerous if third-parties have access to their information. One of the solutions for securing information exchange is by using Virtual Private Network (VPN). The VPN protocols that will be used are Point-to-Point Tunneling Protocol (PPTP) with the help of Internet Protocol Security (IPSec). These protocols are simulated in VirtualBox that has been previously installed with two Mikrotik routers and two Windows 7 operating systems. The PPTP and IPSec protocols are configured in both routers through Winbox software. For the computers, the IP addresses are configured along with iPerf software for bandwidth analysis. In this VPN simulation, both computers can communicate with each other and have no problem in accessing the internet. In PPTP’s network, the average bandwidth is 1.293 Mbits/sec. Meanwhile, in PPTP with IPSec’s network, the average bandwidth is 0.853 Mbits/sec. There is a slight difference considering that in PPTP, the data packets are only encapsulated. On the other hand, the data packets in IPSec protocol are both encapsulated and encrypted.Di era industri saat ini, aktivitas perusahaan yang tersebar di beberapa lokasi membutuhkan internet sebagai media komunikasi. Namun pertukaran informasi akan berbahaya jika dapat diakses oleh pihak ketiga. Salah satu cara untuk menjaga pertukaran informasi adalah menggunakan Virtual Private Network (VPN). Protokol VPN yang digunakan adalah Point-to-Point Tunneling Protocol (PPTP) dan dibantu dengan Internet Protocol Security (IPSec). Kedua protokol VPN tersebut disimulasikan pada VirtualBox yang sudah terdapat 2 router Mikrotik CHR dan 2 komputer dengan sistem operasi Windows 7. Konfigurasi pada router adalah protokol PPTP dan IPSec yang dilakukan melalui Winbox, sementara pada komputer Windows 7 adalah konfigurasi alamat IP dan software iPerf untuk pengambilan data bandwidth pada jaringan VPN. Hasil yang didapatkan pada jaringan VPN adalah kedua komputer Windows 7 mampu saling berkomunikasi dan mengakses internet. Pada jaringan PPTP, bandwidth rata-ratanya adalah 1,293 Mbits/sec. Sementara pada jaringan PPTP dengan IPSec, bandwidth rata-ratanya adalah 0,853 Mbits/sec. Hal ini dikarenakan PPTP hanya melakukan enkapsulasi paket data sementara pada IPSec terdapat enkapsulasi serta enkripsi paket data
Perancangan Jaringan Internet Menggunakan GNS3, Qemu, dan Virtual Box
Get PDFIn the modern era, information technology continues to develop in line with human needs who want efficiency, ease, speed and accuracy in obtaining information and sending information. Moreover, in an office building, facilities for accessing information require a fast and efficient internet network as facilities and infrastructure to support office activities. In general, Mikrotik routers are widely used in office buildings as a means of distributing the internet. With the use of a mikrotik router that requires a lot of design and simulation first to get good internet performance GNS3 can design a topology that will be used in 2 ways, namely using Qemu and Virtual Box. Both of these methods have their respective advantages over the design process and test resultsPada era modern saat ini teknologi informasi terus berkembang seiring dengan kebutuhan manusia yang menginginkan kefisiensian, kemudahan, kecepatan dan keakuratan dalam memperoleh informasi dan mengirimkan informasi. Terlebih lagi dalam suatu gedung perkantoran, fasilitas untuk mengakses informasi membutuhkan jaringan internet yang cepat dan efisien sebagai sarana dan prasarana dalam menunjang aktifitas kantor. Pada umumnya router mikrotik banyak dipakai di gedung perkantoran sebagain sarana menyalurkan internet. Dengan pemakaian router mikrotik yang banyak diperlukan perancangan dan simulasi terlebih dahulu untuk mendapatkan kinerja internet yang baik. GNS3 dapat merancang topologi yang akan dipakai dengan 2 cara yaitu menggunakan Qemu dan Virtual Box. Kedua metode ini memiliki kelebihannya masing-masing terhadap proses perancangan dan hasil pengujian
Internet of Things Analystics Menggunakan ELK Stacks Dalam Pabrik Perangkat Server
Get PDFThe internet is an information and communication technology that makes it easier for human activities to access data and send information into networks. For industry, the internet is also used to store data both internally and externally. There are several application facilities that are open source to help the industry save data via the internet to the cloud, one of which is the ELK stack. In this research, a simulation of a temperature and humidity monitoring system is designed for a server device factory and simultaneously calculates the amount of production. The data obtained is sent to Elasticsearch as a cloud so that the measurement data can be monitored and visualized in the form of graphs. The system is realized using a microcontroller, ESP8266, DHT11 sensor and proximity sensor. This design is equipped with an ELK system that can collect data and filter the required data so that it can be monitored and visualized in real time. The results of testing the temperature and humidity obtained are in the optimal value range and also proves that this research can be used on a large scale. It is recommended that this design be implemented in a factory or smart home to make it easier to obtain and retrieve the required data.Internet merupakan teknologi informasi dan komunikasi yang mempermudah aktivitas manusia untuk mengakses data dan mengirimkan informasi ke dalam jaringan. Bagi industri, internet juga dimanfaatkan untuk menyimpan data baik internal maupun eksternal. Terdapat beberapa fasilitas aplikasi yang bersifat open source untuk membantu industri menyimpan data melalui internet ke cloud, salah satunya ELK stack. Pada penelitian ini dirancang simulasi sistem monitoring suhu dan kelembapan untuk pabrik perangkat server dan sekaligus menghitung jumlah produksi. Data yang diperoleh dikirimkan ke Elasticsearch sebagai cloud sehingga data pengukuran dapat dimonitor dan divisualisasikan dalam bentuk grafik. Sistem direalisasi menggunakan mikrokontroler, ESP8266, sensor DHT11 dan sensor proximity. Perancangan ini dilengkapi dengan sistem ELK yang dapat mengumpulkan data serta menyaring data yang dibutuhkan sehingga dapat di monitoring dan divisualisasi secara real time. Hasil pengujian suhu dan kelembapan yang didapat masuk dalam rentang nilai optimal dan juga membuktikan bahwa penelitian ini dapat digunakan untuk skala besar. Sebaiknya perancangan ini diimplementasikan pada pabrik atau smart home agar lebih mudah untuk mendapatkan serta mengambil data yang dibutuhkan
Sistem Pemilahan Barang Berdasarkan Deteksi Label Menggunakan Vision Sensorr
Get PDFSorting goods based on the results of checking packaging labels is an important process in controlling production quality in industry. Many industries still carry out manual sorting and label checking processes, which results in low productivity levels and is susceptible to human error. This research develops an automation system for sorting goods based on label inspection using vision sensors, programmable logic controller (PLC), and robot arm. The system controlled by a PLC will read and detect damage to packaging labels by using VeriSens vision sensor and sort them using a robot arm according to predetermined stock keeping unit (SKU) categories, namely SKU 1, SKU 2, SKU 3, SKU 4, and rejected goods. The pneumatic system is used as an actuator to push goods onto the conveyor, moving the robot arm with three degrees of freedom and vacuum. Detection is carried out by applying the edge detection concept to read text, images and code that are reprocessed with the VeriSens Application Suite software. The success rate of the goods sorting system reached 90% with a reading speed of 0.389 seconds and a work process duration ranging from 21.54 seconds to 28.99 seconds.Pemilahan barang berdasarkan hasil pemeriksaan label kemasan merupakan proses penting dalam melakukan pengendalian kualitas produksi di industri. Banyak industri masih melakukan proses pemilahan dan pemeriksaan label secara manual, yang mengakibatkan tingkat produktivitas rendah dan rentan terhadap kesalahan manusia. Penelitian ini mengembangkan sistem otomasi untuk pemilahan barang berdasarkan pemeriksaan label menggunakan vision sensor, programmable logic controller (PLC), dan lengan robot. Sistem yang dikendalikan oleh PLC akan membaca dan mendeteksi kerusakan pada label kemasan dengan bantuan vision sensor VeriSens dan memilahnya menggunakan lengan robot sesuai dengan kategori stock keeping unit (SKU) yang telah ditentukan, yaitu SKU 1, SKU 2, SKU 3, SKU 4, dan barang reject. Sistem pneumatik digunakan sebagai aktuator dalam mendorong barang ke konveyor, menggerakkan lengan robot dengan tiga derajat kebebasan serta vakum. Deteksi dilakukan dengan menerapkan konsep deteksi tepi untuk membaca teks, gambar, dan kode yang diolah kembali dengan software VeriSens Application Suite. Tingkat keberhasilan sistem pemilahan barang mencapai 90% dengan kecepatan baca sebesar 0,389 detik dan durasi proses kerja berkisar antara 21,54 detik hingga 28,99 detik
Studi Performa Panel Surya 100 WP Menggunakan Software Homer Di Universitas Pamulang
Get PDFStudies on designs and systems for solar panels are currently continuing to be developed. One application is to design a Homer-based solar power generation system (PLTS) with a solar panel capacity of 100 Wp and analyze the system performance at different loads. This research was conducted to determine the amount of power that solar panels can produce, load consumption, and determine a suitable system configuration to meet electricity needs at different loads. The method used is design, determining parameters on the homer and creating a simulation with loading. The research results show that the amount of power that can be produced by solar panels is 75,2kWh/year and can meet electricity needs at different loads. It is hoped that this research can be a solution to optimize the use of solar energy on a small scale and support renewable energy programs in Indonesia.Kajian terhadap desain dan sistem pada panel surya saat ini terus dikembangkan. Salah satu pengaplikasiannya adalah dengan merancang sistem pembangkit listrik tenaga surya (PLTS) berbasis Homer dengan kapasitas panel surya 100 Wp dan analisis performa sistem pada beban yang berbeda. Penelitian ini dilakukan untuk mengetahui jumlah daya yang mampu dihasilkan oleh panel surya, konsumsi beban, dan menentukan konfigurasi sistem yang layak agar dapat memenuhi kebutuhan listrik pada beban yang berbeda. Metode yang digunakan adalah mendesaian, menentukan parameter pada homer dan membuat simulasi dengan pembebanan. Hasil penelitian menunjukkan bahwa rata -rata jumlah daya yang mampu dihasilkan oleh panel surya sebesar 75,2 kWh/tahun dan dapat memenuhi kebutuhan listrik pada beban yang berbeda. Penelitian ini diharapkan dapat menjadi solusi untuk mengoptimalkan penggunaan energi surya pada skala kecil dan menunjang program energi terbarukan di Indonesia