Jurnal Elektro
Not a member yet
140 research outputs found
Sort by
A Preliminary Survey of Color Discrimination Among Indonesia Female Subjects Using Farnsworth-Munsell Hue Color Test
Get PDFThis study aimed to conduct a preliminary survey of the color discrimination test among Indonesian samples. The study involved 26 participants of university students and office workers. To test the ability of color discrimination, the Farnsworth-Munsell (FM) 100 Hue Color Vision Test was used. Farnsworth-Munsell test scoring software was also used to obtain the total score of each participant. Using the FM 100-hue test, the participants were classified into superior, average and low color discrimination ability. The results showed that that 19.2% female participants were classified as superior for color discrimination ability. Majority of participants were classified as average. Meanwhile for low classification, only 3.9% were classified as low color discrimination ability. Currently, many companies and industries have great need for workers with good characterized and accurate color vision. However, the study of color discrimination is still limited and unknown in Indonesia. Through this study, hopefully attention for a broader study with a larger scale could be obtained.Penelitian ini bertujuan untuk melakukan survei awal tes diskriminasi warna di antara sampel Indonesia. Penelitian melibatkan 26 peserta yang terdiri dari mahasiswa universitas dan pekerja kantor. Untuk menguji kemampuan diskriminasi warna, digunakan Tes Penglihatan Warna Farnsworth-Munsell (FM) 100 Hue. Perangkat lunak penilaian tes Farnsworth-Munsell juga digunakan untuk mendapatkan skor total setiap peserta. Dengan menggunakan tes FM 100-hue, peserta diklasifikasikan menjadi kemampuan diskriminasi warna yang superior, rata-rata, dan rendah. Hasil menunjukkan bahwa 19,2% peserta perempuan diklasifikasikan sebagai kemampuan diskriminasi warna yang superior. Sebagian besar peserta diklasifikasikan sebagai rata-rata. Sementara itu, untuk klasifikasi rendah, hanya 3,9% yang diklasifikasikan sebagai kemampuan diskriminasi warna rendah. Saat ini, banyak perusahaan dan industri membutuhkan pekerja dengan kemampuan penglihatan warna yang baik dan akurat. Namun, studi tentang diskriminasi warna masih terbatas dan belum diketahui di Indonesia. Melalui penelitian ini, diharapkan perhatian untuk studi lebih luas dengan skala yang lebih besar bisa diperole
Perancangan Jaringan Fiber To The Home Berbasis Gigabit Passive Optical Network Di Citra Garden Puri Cluste Denza
Get PDFThis research aims to design a GPON-based Fiber to The Home (FTTH) line in the Citra Garden Puri cluster Denza . The method used is to carry out field observations, by conducting surveys to determine the need for equipment that will be used in designing the route. After the survey is conducted, this project requires Google Earth Pro software to do the mapping of the spot that is used for the ODP and to create passages for the fiber. To make sure that all planning already meets the requirement, there are several calculationdone in this research such as; link loss budget, power link budget, power margin and risetime budget. The distance that were used in the calculation are calculated from the STO Cengkareng until the ONT on each customer. Based on the calculation, the result of the biggest loss for link loss budget are obtained from the upstream, in the amount of 22,0456 dB and the loss from downstream are equals to 21,5721 dB. The result that obtained for the upstream loss of power link budget are equals to -17,0456 dBm and -16,5172 dBm for downstream. The next calculation is power margin, from this project we obtained the lowest power margin for the upstream 6,9544 dB and 7,4288 dB for downstream. The last calculation obtained for this project is rise time budget, from the calculation the shortest data for the rise time budget upstream is 0,1001 ns and for the downstream is 0,1019 ns. Based on all the calculation, this project can be concluded as a success because all the calculation are between the boundary that is tolerated by PT Telkom.Penelitian ini bertujuan merancangan jalur Fiber to The Home ( FTTH) berbasis GPON di Citra Garden Puri cluster Denza. Metode yang digunakan adalah melakukan observasi lapangan, dengan cara melakukan survey guna mengetahui kebutuhan peralatan yang akan digunakan dalam perancangan jalur. Setelah melakukan survey lapangan, peneliti menggunakan aplikasi Google Earth Pro untuk merancang peletakan ODP dan merancang jalur FTTH. Perhitungan analisa perancangan dilakukan mulai dari jarak STO Cengkareng. Hasil perhitungan link loss budget terbesar yang diperoleh peneliti adalah 22,0456 dB untuk upstream dan 21,5712 dB untuk downstream. Selain itu hasil perhitungan loss power link budget terbesar adalah -17,0456 dBm untuk upstream, sedangkan -16,5712 dBm untuk downstream. Daya terkecil dari perhitungan power margin sebesar 6,9544 dB untuk upstream dan 7,4288 dB untuk downstream. Perhitungan rise time budget terkecil adalah sebesar 0,1001 ns untuk upstream, sedangkan untuk downstream sebesar 0,1019 ns. Bedasarkan perhitungan yang telah dilakukan, dapat dinyatakan bahwa perancangan layak untuk diterapkan karena semua hasil perhitungan telah memenuhi standarisasi PT. Telkom
Simulasi Pengendali Suhu Menggunakan Algoritma Proportional, Integral, Derivative Berbasis Programmable Logic Controller Pada Modul Plant Honeywell
Get PDFThe process of heating in the food industry is often can be found, start from inserting water and the heating process begin to reach a certain temperature, so the process of controlling temperature is one of the important things in the food industry. Temperature controller is an important thing, to maintain certain temperature, so that it did not exceed or lower than needed. This system uses Honeywell programmable logic controller (PLC) as the automation based system. In this research, Honeywell PLC controller will be using proportional, integral, derivative (PID) algorithm to maintain the required temperature. The research will be using the Honeywell module in Automation Laboratorium, Engineering Faculty, Atma Jaya Catholic University of Indonesia. The heating process will begin if the water level in the tank is filled to the required level. System will turn on the heater based on the PID output in the PLC program, so the temperature is maintained to a required setpoint 35oC. The simulation system can be controlled through a human machine interface (HMI) HCix08 that was made with XDesigner Plus software. The maintained temperature has ±5% tolerance or ±1,75˚C. The result of the research shows that the best parameter for setpoint 35˚C is using a PD controller with the values for Kp is 8 and Kd is 2.Di bidang industri makanan seringkali ditemukan adanya proses pemanasan, mulai dari pengisian air hingga pemanasan air sampai suhu tertentu. Dengan demikian proses pengendalian suhu merupakan hal yang penting dilakukan di industri makanan agar suhu yang diinginkan tidak kurang atau tidak melebihi target suhu yang dibutuhkan saat pemasakan. Proses otomasi pengendalian suhu dapat diwujudkan dengan menggunakan programmable logic controller (PLC). Pada penelitian ini, digunakan PLC Honeywell yang dilengkapi algoritma proportional, integral, derivative (PID) untuk mengendalikan suhu air pada modul peraga Honeywell yang berada di Laboratorium Sistem Otomasi dan Kendali, Fakultas Teknik, Unika Atma Jaya. Proses diawali dengan mengisi tangki air pada modul peraga menggunakan pompa sampai level yang sudah ditentukan kemudian dilanjutkan dengan pemanasan. Heater diatur kinerjanya oleh PLC dengan kendali PID, sehingga suhu dapat dijaga secara konstan pada setpoint yang diinginkan, yaitu 35oC dengan toleransi sebesar ±5% atau sekitar ±1,75˚C. Proses pemanasan yang berlangsung dapat pula dipantau melalui human machine interface (HMI) HCix08 yang dirancang melalui komputer dengan menggunakan software XDesigner Plus. Hasil pengujian menunjukkan bahwa pengendali PD memiliki unjuk kerja yang lebih baik dibandingkan PID dalam menjaga kestabilan suhu untuk setpoint 35˚C dengan nilai parameter proportional, Kp sebesar 8 dan parameter diferensial, Kd sebesar 2
Perbaikan Kurva Beban Harian pada Industri Kecil: Studi Kasus PT. X
Get PDFThis paper presents the improvement of daily load and load balance curve of home-scale garment industry with the study case in PT. X. Research is started with load measurement on every machine, proceeded by plotting schedule of each machine. The next step is rescheduling daily load and per-phase load balancing. Initial data shows unbalance load sharing between phase with the average load of 4916 kW and standard deviation of 2077. After being rescheduled and phase rearrangement, the interphase load sharing is more balance, with the average load of 4903 kW and standard deviation of 952.Makalah ini membahas analisis kurva beban harian dan kesetimbangan beban pada industry garment skala rumah tangga dengan mengambil studi kasus PT. X. Penelitian dilakukan dengan mengukur pemakaian listrik di setiap peralatan, dilanjutkan dengan membuat grafik jadwal pemakaian setiap peralatan. Selanjutnya dilakukan penjadwalan ulang kerja harian dan pengaturan ulang pembagian beban 1 fasa. Perhitungan awal menunjukkan terjadi ketidakseimbangan antar fasa dengan beban rata-rata 4916kW dan simpang baku 2077. Setelah dilakukan penjadwalan dan pemindahan fasa didapatkan pembagian beban yang lebih seimbang dengan beban rata-rata 4903 dan simpang baku 952
Implementasi dan Analisis Alat Kompres Demam Suhu Hangat dengan Sensor DS18B20 dan Pengendali Arduino Uno
Get PDFFever is a condition where the body temperature rises above normal levels, often caused by an infection. Non-medical management of fever can be done by using cold or warm compresses. Warm compresses are more effective but require a complex and repetitive process. This study is the design of a Digital Fever Compress Device using warm temperature based on Arduino Uno. The Digital Fever Compress Device is designed for non-medical fever management. The Digital Fever Compress Device is equipped with a DS18B20 sensor, Liquid Crystal Display (LCD), Relay, cartridge heater as a heating element, three pushbuttons, XL4005 stepdown module, and one On-Off switch. The Digital Fever Compress Device can produce warm temperatures and adjust them according to the user's preferences with a minimum limit of 37.5°C and a maximum of 42°C with a timer for 20 minutes. Environmental temperature affects the temperature setting processing carried out by the microcontroller. Based on the tests conducted in an air-conditioned room, the average time from the initial temperature to the setpoint is 6 minutes and 15 seconds, and the temperature increase from the setpoint ranges from 45.6°C or 15.079%. Meanwhile, testing in a non-air-conditioned room, the average time from the initial temperature to the setpoint is 2 minutes and 26 seconds, and the temperature increase from the setpoint ranges from 44.64°C or 12.37%.Demam merupakan kondisi di mana suhu tubuh manusia naik di atas batas normal, sering kali disebabkan oleh infeksi. Penanganan demam secara non-medis bisa dilakukan dengan menggunakan kompres dingin atau hangat. Kompres hangat lebih efektif tetapi memerlukan proses yang rumit dan berulang. Tujuan penelitian ini adalah perancangan Alat Kompres Demam digital menggunakan suhu hangat berbasis Arduino Uno. Alat Kompres Demam Digital dirancang untuk penanganan demam secara non-medis. Alat Kompres Demam Digital dilengkapi dengan sensor DS18B20, Liquid Crystal Display (LCD), relay, cartridge heater sebagai elemen pemanas, tiga buah pushbutton, modul stepdown XL4005, dan satu buah saklar On-Off. Alat Kompres Demam Digital dapat menghasilkan suhu hangat dan diatur suhunya sesuai keinginan pengguna dengan batasan minimal 37,5℃ dan maksimal 42℃ dengan timer selama 20 menit. Suhu lingkungan mempengaruhi dalam pemrosesan pengaturan suhu yang diproses oleh mikrokontroler. Berdasarkan pengujian yang telah dilakukan disuhu ruangan AC, rata-rata waktu dari suhu awal ke setpoint adalah 6 menit 15 detik dan kenaikan suhu dari setpoint berkisar 45.6°C atau 15,079%. Sedangkan pengujian pada Ruangan non-AC, rata-rata waktu dari suhu awal ke setpoint adalah 2 menit 26 detik dan kenaikan suhu dari setpoint berkisar 44.64°C atau 12,37%
Implementasi Convolutional Neural Network Pada Robot Tikus Micromouse Untuk Navigasi Labirin Dengan Pendeteksi Garis Menggunakan Raspberry Pi
Get PDFMicromouse is a science and technology project competition that began in the late 1970s. Simply put, the micromouse competition is an event where robotic mice can navigate a 16x16 maze without human assistance. Convolutional Neural Network, also known as CNN, is an extension of the Artificial Neural Network (ANN) designed to process two-dimensional data and is often used for classification, recognition, and prediction tasks. In the conducted research, a robotic mouse was designed using Raspberry Pi to control servo motor movements and utilize a camera to detect maze obstacles, such as intersections, through image scanning. The robotic mouse was tested using a CNN architecture model on TensorFlow, assisted by a line detection algorithm. The testing results indicated that the CNN model architecture showed signs of overfitting (the model learned features too well from the training data) with an accuracy of 96.53%, and the model accuracy evaluation result was 97.97% on the designed dataset. As part of the testing, a maze size of 5x5 was used. The testing of the Convolutional Neural Network model and line detection algorithm, when applied to the robotic mouse, demonstrated that the mouse could navigate according to the path. However, the recorded data was influenced by external light reflecting off the surface of the path, causing the line detection algorithm to perceive it as an obstacle, leading the robot to turn back..Micromouse adalah kompetisi proyek sains dan teknologi yang dimulai pada akhir 1970-an. Secara sederhana, kompetisi micromouse adalah acara di mana robot tikus bisa memecahkan labirin 16x16 tanpa bantuan manusia. Convolutional Neural Network yang juga dikenal dengan CNN adalah pengembangan dari Artificial Neural Network (ANN) untuk mengolah data dua dimensi dan sering digunakan untuk permasalahan klasifikasi, pengenalan, dan prediksi. Dalam penelitian yang dilakukan, robot tikus dirancang menggunakan Raspberry Pi untuk mengontrol pergerakan motor servo beserta penggunaan kamera untuk mendeteksi rintangan labirin berupa persimpangan melalui pemindaian gambar. Robot tikus diuji menggunakan perancangan arsitektur model CNN pada robot tikus menggunakan Tensorflow dan dengan bantuan algoritme pendeteksi garis. Hasil pengujian diperoleh arsitektur model CNN menunjukkan indikasi overfitting (model terlalu mempelajari fitur pada data pelatihan) dengan hasil akurasi sebesar 96.53% dan hasil evaluasi akurasi model sebesar 97.97% terhadap dataset yang dirancang. Sebagai pengujian, ukuran labirin yang digunakan hanya berukuran 5x5. Hasil uji model Convolutional Neural Network dan algoritme pendeteksi garis ketika diaplikasikan pada robot tikus dihasilkan robot tikus mampu berjalan sesuai dengan jalur, tetapi perekaman yang dihasilkan karena terpengaruh oleh cahaya eksternal yang memantul melalui permukaan jalur, algoritme pendeteksi garis menganggapnya sebagai halangan dalam jalur yang mengharuskan robot untuk berputar balik
Perbandingan Algoritma Machine Learning menggunakan Orange Data Mining untuk Klasifikasi Jenis Kendaraan pada Sistem Tilang Digital
Get PDFThis paper discusses the application of the Orange Data Mining application to compare several machine learning algorithms for classifying vehicle types in digital ticket systems. This research compares and analyzes the logistic regression algorithm, Support Vector Machine (SVM) and Neural Network (NN) to solve vehicle classification problems in digital traffic tickets. The research results show that in the training process and based on the dataset used, the algorithms that have the highest level of accuracy are Logistic Regression, Neural Network and Support Vector Machine. Meanwhile, during the testing process, all algorithms in the model were able to carry out classification with 100% accuracyTulisan ini membahas tentang penerapan aplikasi Orange Data Mining untuk membandingkan beberapa algoritma pembelajaran mesin untuk mengklasifikasikan jenis kendaraan pada sistem tiket digital. Penelitian ini membandingkan dan menganalisa algoritma logistik regression, Support Vector Machine (SVM) dan Neural Network (NN) untuk memecahkan masalah klasifikasi kendaraan pada tilang digital. Data set diambil dari website Kaggle, dan metode validasi menggunakan Confussion matrix. Hasil penelitian menunjukkan bahwa pada proses training dan berdasarkan dataset yang digunakan, algoritma yang memiliki tingkat akurasi dari yang tertinggi adalah Logistic Regression, Neural Network dan Support Vector Machine. Sedangkan pada proses testing, seluruh algoritma pada model mampu melakukan klasifikasi dengan akurasi yang sempurna.
 
English
No full textEffect of combining the shaping at magnet edge and dummy slotting at stator on the cogging torque reduction in permanent magnet generator was studied. The cogging torque is the most issues in permanent magnet generator application, since it effects to reduce the generator performance. A permanent magnet generator with 24 slots and 20 poles structure is presented. For purpose of study, in the beginning the permanent magnet generator with conventional structure has been investigated as the basic reference of initial structure. In order to improve the performance of the permanent magnet generator, the magnet edge was shaped but the stator core is kept remain conventional structure. It can be found that the magnet edge effects to inprove a little bit of the performance of the permanent magnet generator. In the next investigation, the magnet edge slotting and dummy slotting in stator core of the permanent magnet generator was combined. Using the FEMM 4.2, the cogging torque value of the proposed of permanent magnet generator were analysed and compared. It was found that cogging torque reduction of the permanent magnet generator with combining the dummy slotting at stator core and magnet edge shaping can reduce the cogging torque from 0.0028554 N.m (intial base line) to 0.0000165 N.m (proposed model). In other word, the cogging torque can be to around 99.42 % compared with the base line. The magnet flux density at core of the permanent magnet generator proposed can be reduced to 35 %
Frequency Extraction of Phonocardiogram Signal using Fourier Transform
Get PDFThis article presents Fourier Transform application to extract features of Phonocardiogram Signals into its frequency components. Data was taken from Physionet Dataset of Phonocardiogram which comprises of normal and abnormal heart condition. Raw data was preprocessed using time clipping of 2 seconds at certain area that contains less noise. A lowpass filter was applied to denoise the raw signals. Experiments show the PCG of normal hearts has a dominant frequency of 50Hz to 150Hz, with the subdominant frequencies of 450 Hz to 650 Hz. The subdominant frequency of the normal hearts sometimes show anomaly with more amplitude compared to the dominant frequency.Artikel ini membahas penggunaan Transformasi Fourier untuk menganalisis sinyal Fonokardiogram (Phonocardiogram) dengan mengekstraksi komponennya dalam domain frekuensi. Data yang digunakan berasal dari Dataset Physionet Phonocardiogram, yang mencakup kondisi jantung normal dan abnormal. Data mentah diolah dengan memotong segmen berdurasi 2 detik pada area yang memiliki noise minimal. Untuk mengurangi gangguan, sinyal mentah difilter menggunakan lowpass filter. Hasil eksperimen menunjukkan bahwa PCG jantung normal memiliki frekuensi dominan di kisaran 50Hz hingga 150Hz, serta frekuensi subdominan di kisaran 450Hz hingga 650Hz. Pada beberapa kasus, frekuensi subdominan jantung normal menunjukkan anomali dengan amplitudo yang lebih tinggi dibandingkan frekuensi dominan
Klasifikasi Gender Berdasarkan Gambar Menggunakan Metode Deep Learning Pada MATLAB
Get PDFIn the present era, machine intelligence, also known as Artificial Intelligence (AI), is demanded not only to execute specific commands but also to recognize, analyze, or even make decisions, thereby providing desired outputs. By harnessing the power of AI, it is anticipated that desired outcomes will be more accurate and goal achievement will be optimized, minimizing losses. With the capabilities of AI in mind, a research study has been conducted on AI's ability to analyze and make decisions based on specific data. In this study, data in the form of images of men and women were utilized. The objective of this research is to analyze the ability of AI, particularly in gender classification. The method employed in designing this system is Deep Learning, with GoogLeNet as the Convolutional Neural Network utilized. In testing, the data accuracy ranged from 61.8% to 100% for the system without training algorithm options and from 97.5% to 100% for the system with training algorithm options. Testing was also carried out on a smaller set of training data and grayscale images, yielding lower accuracy ranges. From this research, it can be concluded that the quantity of training data, image preprocessing, and training algorithm options are crucial indicators for enhancing prediction accuracy.Pada masa ini, kecerdasan mesin yang disebut sebagai Artificial Intelligence (AI) dituntut untuk tidak hanya melakukan perintah tertentu, tetapi juga mampu untuk mengenal, menganalisis, atau bahkan mengambil keputusan sehingga mampu memberikan keluaran yang diinginkan. Dengan menggunakan AI, diharapkan hasil yang diinginkan menjadi lebih akurat dan mampu mencapai tujuan dengan meminimalkan kerugian. Berlatar dari kemampuan AI tersebut, maka dilakukannya suatu penelitian mengenai kemampuan AI yang dapat menganalisis dan mengambil keputusan berdasarkan data-data tertentu. Pada penelitian ini, digunakan data berupa gambar pria dan wanita. Tujuan dari penelitian ini ialah menganalisis kemampuan AI khususnya dalam hal mengelompokkan gender. Metode yang digunakan adalah Deep Learning dengan GoogLeNet sebagai Convolutional Neural Network yang digunakan. Untuk hasil pengujian, akurasinya mulai dari 61,8-100% untuk sistem tanpa training algorithm options dan 97,5-100% untuk sistem dengan training algorithm options. Pengujian juga dilakukan terhadap data training yang lebih sedikit dan juga gambar abu-abu dengan hasil rentang akurasi yang lebih rendah. Dari penelitian ini, dapat ditarik kesimpulan bahwa jumlah data training, preprocessing image, dan training algorithm options merupakan indikator yang penting untuk meningkatkan keakuratan prediksi