Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal JTERA (Jurnal Teknologi Rekayasa)
Harjono Harjono
Gadjah Mada University
Civil Engineering, Building, Construction & Architecture Computer Science & IT Electrical & Electronics Engineering Industrial & Manufacturing Engineering Mechanical Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Sistem Prediksi Tingkat Keamanan Objek pada Area Blind Spot Unit Forklift Menggunakan Artificial Neural Networks dengan Dua Skenario Muhammad Rifqi Setiawan; Tegar Prasetyo; Agustinus Winarno; Harjono Harjono; Irfan Bahiuddin
JTERA (Jurnal Teknologi Rekayasa) Vol 11 No 1: Vol. 11 No. 1: Juni 2026
Publisher : Politeknik Sukabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31544/jtera.v11.i1.2026.87-92

Abstract

Forklift sering digunakan di bidang konstruksi dan industri. Namun, kecelakaan sering terjadi saat pengoperasian forklift terutama di area yang sulit dijangkau oleh operator, yang dikenal sebagai blind spot. Untuk mengurangi risiko kecelakaan, dirancang sistem prediksi tingkat keamanan objek di area blind spot. Sistem ini menggunakan Artificial Neural Networks (ANN) untuk mengidentifikasi tingkat keamanan objek pada area blind spot unit forklift. Tingkat keamanan diklasifikasikan menjadi aman, waspada, dan bahaya. Identifikasi ini dilakukan dengan analisis data menggunakan machine learning. Data untuk machine learning pada penelitian ini dibuat menggunakan program python dengan menggunakan logika fuzzy. Input untuk program python ini terdiri dari jarak (0 - 300 cm), sudut (0°- 180°), posisi kemudi (steering) (0°- 180°). Setelah dataset yang berisi variasi input dan output tingkat keamanan dibuat, analisis dilakukan dengan model Jaringan Saraf Tiruan. Hasil terbaik tercapai dengan 4 hidden layer, 100 hidden node, 1500 epoch, dan pelatihan algoritma menggunakan Adam. Kinerja dari jaringan sarah tiruan dievaluasi menggunakan metrik precision, recall, dan F1-score. Penelitian menunjukkan bahwa sistem ini efektif dalam mengidentifikasi tingkat keamanan.        
Co-Authors Agustinus Winarno Irfan Bahiuddin Muhammad Rifqi Setiawan Tegar Prasetyo