Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Jurnal Teknik Elektro: Ilmu dan Teknologi
Julius Sentosa Setiadji
UK Petra
Control & Systems Engineering Electrical & Electronics Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
KONTROL LAMPU PJU YANG DISUPLAI SOLAR CELL DENGAN ARDUINO Waldy Sucipto; Julius Sentosa Setiadji; Handry Khoswanto
Jurnal Teknik Elektro Vol. 18 No. 1 (2025): Maret 2025
Publisher : Institute of Research and Community Outreach

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.9744/jte.18.1.18-24

Abstract

Solar cell berfungsi untuk menangkap cahaya matahari yang akan diubah menjadi energi listrik melalui proses photovoltaic. Listrik yang dihasikan oleh solar cell langsung disimpan di dalam baterai. Saat solar cell bekerja (mengecas), tegangan solar cell dinaikkan maka kondisi relay dalam keadaan tertutup dan baterai dalam proses diisi. Jika proses pengisian energi dari solar cell ke baterai sudah penuh maka kondisi relay dalam keadaan terbuka secara otomatis. Sistem charging/discharging dan on / off lampu PJU menggunakan 2 relai yang dikendalikan oleh microcontroller yaitu Arduino Mega yang menerima, mengelola, dan mengirim data dari pembacaan sensor. Hasil dari pembacaan akan ditampilkan pada LCD yang telah terpasang. Pengujian dilakukan dengan melakukan beberapa percobaan yaitu dengan mengambil data pengisian menggunakan solar cell untuk sistem charge/discharge. Secara keseluruhan alat yang dibuat dapat bekerja dan berfungsi sebagaimana yang diharapkan tetapi kekurangan alat ini adalah menggunakan solar cell dimana daya pengisiannya kecil saat musim hujan. Berdasarkan perhitungan analisa kecukupan dibutuhkan minimal panel surya 135 Wp untuk dapat memenuhi kebutuhan energi lampu PJU dan membuat baterai tidak terkuras habis yang dapat merusak komponen baterai.
PENGGUNAAN MACHINE LEARNING UNTUK MEMPREDIKSI PARAMETER YANG MEMPENGARUHI PENYIMPANGAN IMPEDANSI DALAM PROSES PEMBUATAN TRANSFORMATOR DI PT. X Yegia Joehan Eltan; Julius Sentosa Setiadji; Indar Sugiarto
Jurnal Teknik Elektro Vol. 18 No. 2 (2025): September 2025
Publisher : Institute of Research and Community Outreach

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.9744/jte.18.2.%p

Abstract

PT. X menghadapi tantangan dalam menjaga kualitas produk transformator distribusi terkait nilai impedansi, yang dipengaruhi oleh tahanan resistif dan reaktansi induktif dari dimensi koil saat beroperasi penuh. Penelitian ini bertujuan untuk memprediksi parameter dimensi koil yang mempengaruhi penyimpangan impedansi dalam proses manufaktur transformator. Menggunakan dataset internal PT. X yang mencakup ratusan data dimensi koil dan penyimpangan impedansi, dilakukan pelatihan serta analisis dengan menggunakan algoritma ECLAT (Equivalence Class Transformation) untuk menemukan aturan asosiasi antara parameter dimensi koil dan penyimpangan impedansi. XAI (explainable artificial intelligence) SHAP (Shapley Additive exPlanations) digunakan untuk mengungkap pengaruh parameter koil terhadap penyimpangan impedansi dengan model machine learning XGBoost. Hasil penelitian menunjukkan bahwa parameter seperti diameter luar HV (High Voltage), panjang diameter luar HV, panjang diameter luar LV (Low Voltage), dan tinggi diameter dalam LV memiliki pengaruh signifikan terhadap penyimpangan impedansi. Selain itu, aplikasi website menghasilkan rekomendasi untuk memodifikasi parameter dimensi koil dengan mempertimbangkan batasan pengaruh elektrikal seperti panjang kawat, luas koil, radius koil, tinggi koil, dan ketebalan lapisan insulasi.
PENGGUNAAN MACHINE LEARNING UNTUK MEMPREDIKSI PENYIMPANGAN IMPEDANSI DALAM PROSES PEMBUATAN TRANSFORMATOR DI PT. X Kelvin Wilson Utomo; Julius Sentosa Setiadji; Indar Sugiarto
Jurnal Teknik Elektro Vol. 19 No. 1 (2026): Maret 2026
Publisher : Institute of Research and Community Outreach

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.9744/jte.19.1.%p

Abstract

X menghadapi tantangan dalam menjaga mutu dan kualitas produk transformator distribusi tipe oil, khususnya terkait dengan nilai impedansi. Hasil pengujian menunjukkan adanya deviasi positif dan negatif dari nilai garansi yang diperhitungkan selama desain. Nilai impedansi, yang dipengaruhi oleh tahanan resistif dan reaktansi belitan transformator, secara langsung berkaitan dengan dimensi koil transformator. Penelitian ini membuat pemodelan machine learning yang akan digunakan untuk memprediksi nilai impedansi dan hasil prediksi nilai impedansi tersebut dioptimalkan menggunakan metode feature selection dan hyperparameter tuning. Dengan memanfaatkan machine learning, diharapkan proses training data dapat dilakukan lebih cepat dan efisien untuk memprediksi nilai impedansi berdasarkan dimensi koil. Pemodelan machine learning dilakukan menggunakan beberapa algoritma machine learning seperti XGBoost, Random Forest, Adaboost, dan Multiple Linear Regression. Hasil pelatihan model machine learning berhasil memprediksi nilai impedansi berdasarkan input berupa data dimensi koil transformator. Hasil pengujian juga menunjukkan bahwa algoritma XGBoost memberikan akurasi prediksi tertinggi, diikuti oleh Random Forest, Adaboost, dan Multiple Linear Regression. Selain itu, melalui proses hyperparameter tuning, set parameter yang optimal berhasil ditemukan untuk meningkatkan kinerja model. Tahap terakhir penelitian ini melibatkan pembuatan aplikasi website menggunakan framework Streamlit, yang memungkinkan pengguna untuk melakukan prediksi nilai impedansi transformator berdasarkan input data dimensi koil, serta menganalisis hasil prediksi tersebut.
Co-Authors Handry Khoswanto Indar Sugiarto Kelvin Wilson Utomo Waldy Sucipto Yegia Joehan Eltan