Claim Missing Document
Check
Articles

Found 8 Documents
Search

SIMULASI DAN ANALISIS KONVERTER BUCK UNTUK PENURUNAN TEGANGAN PADA BEBAN SPESIFIK Saragi, Dian Putra; Fritz Immanuel S, Michael; Ashari, Muhammad; Annisa Binti Zulkarnain, Selly; Jonto Sinaga, Desman; Pratama, Saras
Jurnal Teknik AMATA Vol. 6 No. 1 (2025)
Publisher : Politeknik Amamapare

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55334/jtam.v6i1.327

Abstract

Untuk mendapatkan desain konverter buck yang sesuai dengan kebutuhan beban tertentu, diperlukan perhitungan yang didasarkan pada teori dan parameter yang relevan. Penelitian ini bertujuan untuk menentukan nilai-nilai komponen utama yang dibutuhkan dalam merancang konverter buck yang optimal, serta untuk memvalidasi hasil perhitungan melalui simulasi menggunakan perangkat lunak PSIM. Konverter buck merupakan elemen penting dalam sistem elektronika daya karena kemampuannya dalam menurunkan tegangan secara efisien. Desain konverter dalam penelitian ini memanfaatkan data arus beban, tegangan beban, tegangan input, dan frekuensi switching sebagai dasar perhitungan nilai duty cycle, induktor, dan kapasitor. Pada studi kasus yang diangkat, tegangan input sebesar 19 V diturunkan menjadi 9 V dengan arus beban sebesar 814 mA dan frekuensi switching sebesar 100 kHz. Berdasarkan perhitungan teoritis, diperoleh nilai duty cycle sebesar 47,36%, induktor 5,862 mH, dan kapasitor 0,113 μF. Hasil simulasi menunjukkan bahwa konverter mampu mempertahankan tegangan output 9 V dan arus sebesar 814 mA secara stabil. Temuan ini menegaskan bahwa pemilihan komponen dan strategi pengendalian sangat berpengaruh terhadap performa sistem. Penelitian ini memberikan kontribusi penting bagi pengembangan desain konverter buck yang efisien untuk berbagai aplikasi dalam sistem elektronika modern.
Pentingnya Literasi Digital dalam Dunia Pendidikan: Transformasi Pembelajaran di Era Digital Pratama, Saras; Ashari, Muhammad; Zulkarnain, Selly Annisa Binti; Sabrina, Elsa
Jurnal Kajian Ilmu Pendidikan (JKIP) Vol. 6 No. 2 (2025): Jurnal Kajian Ilmu Pendidikan (JKIP)
Publisher : Lembaga Riset dan Inovasi Almatani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55583/jkip.v6i2.1388

Abstract

Literasi digital telah menjadi kebutuhan kritis dalam lanskap pendidikan modern, khususnya ketika Indonesia menavigasi era transformasi digital. Penelitian ini mengkaji pentingnya literasi digital dalam pendidikan, menganalisis tantangan dan peluang implementasinya dalam konteks Indonesia. Menggunakan metodologi kajian literatur kualitatif, studi ini menganalisis secara sistematis sumber-sumber akademik termasuk jurnal nasional terakreditasi, dokumen kebijakan pendidikan, dan publikasi penelitian dari periode 2021-2025. Temuan utama mengungkapkan bahwa literasi digital secara signifikan meningkatkan kualitas pendidikan melalui peningkatan akses informasi, pengembangan keterampilan berpikir kritis, dan persiapan siswa untuk dunia kerja digital. Namun, implementasi menghadapi tantangan substansial termasuk kesenjangan infrastruktur, akses internet yang tidak merata, pelatihan guru yang terbatas, dan isu kesenjangan digital khususnya yang mempengaruhi daerah pedesaan. Faktor-faktor kunci yang menghambat kemajuan meliputi infrastruktur teknologi yang tidak memadai di daerah terpencil, alokasi anggaran yang tidak mencukupi untuk program pendidikan digital, dan tingkat kompetensi digital yang bervariasi di kalangan pendidik. Penelitian menyimpulkan bahwa implementasi literasi digital yang berhasil memerlukan dukungan pemerintah yang komprehensif melalui pengembangan kebijakan strategis, peningkatan investasi infrastruktur, pengembangan profesional guru berkelanjutan, dan upaya kolaboratif antara institusi pendidikan, penyedia teknologi, dan komunitas untuk memastikan akses yang adil terhadap pendidikan digital di seluruh Indonesia.
A Novel Simulink-Based Implementation of Cosine Comparator Logic for Gate Control in Three-Phase Controlled Rectifiers Annisa, Selly; Immanuel, Michael Fritz; Pratama, Saras; Ashari, Muhammad; Saragi, Dian Putra
Techno.Com Vol. 24 No. 3 (2025): Agustus 2025
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v24i3.13369

Abstract

This paper proposes a cosine comparator-based firing angle control strategy for three-phase full-wave thyristor rectifiers. Gate pulses are generated by comparing phase-synchronized cosine reference signals with a tunable threshold voltage, allowing precise control over conduction intervals. The method’s effectiveness is evaluated across firing angles ranging from 30° to 120° under RLC load conditions. Quantitative results demonstrate accurate gate synchronization and substantial reduction in Total Harmonic Distortion (THD)—by over 50% relative to conventional ramp-based techniques. The findings confirm the proposed control scheme's potential for high-performance, low-distortion AC-DC conversion, making it suitable for industrial and educational power electronics applications.   Keywords - Three-phase controlled rectifier, cosine comparator, firing angle, Simulink modeling, thyristor gate control, FFT analysis.
Evaluasi Penerimaan Petani terhadap SULTANI Agro Berbasis QR Code Nurul Maulida Surbakti; Muhammad Ashari; Wiwin Handoko; Katrina Samosir; Dinda Kartika; Arnah Ritonga
Wahana Jurnal Pengabdian kepada Masyarakat Vol. 5 No. 1 (2026): Edisi Juni
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/wahana.v5i1.1881

Abstract

Kegiatan pengabdian kepada masyarakat ini bertujuan mengevaluasi penerimaan petani terhadap SULTANI Agro, yaitu media informasi cuaca dan agronomi berbasis QR Code yang terintegrasi dengan Automatic Weather Station (AWS). Kegiatan dilaksanakan pada Kelompok Tani Desa Mulya, Desa Petangguhan, Kecamatan Galang, Kabupaten Deli Serdang, dengan melibatkan 10 petani padi sebagai responden. Metode penerapan meliputi identifikasi kebutuhan, sosialisasi, demonstrasi alat AWS, pelatihan akses website melalui QR Code, pendampingan penggunaan, dan evaluasi menggunakan kuesioner skala Likert 1-4. Instrumen terdiri atas 12 butir yang mencakup kebutuhan informasi, kemudahan akses, serta manfaat dan minat penggunaan. Hasil evaluasi menunjukkan skor total 471 dari 480 atau 98,13% dengan kategori sangat baik. Aspek kebutuhan informasi memperoleh 98,13%, kemudahan akses 97,50%, serta manfaat dan minat penggunaan 98,75%. Temuan ini menunjukkan bahwa SULTANI Agro mudah diakses, relevan dengan kebutuhan petani, dan berpotensi memperkuat literasi digital pertanian berbasis data.
Pendampingan AWS IoT untuk Literasi Digital Petani Kopi Perteguhan Nurul Maulida Surbakti; Muhammad Ashari; Fanny Ramadhani; Dian Septiana; Sisti Nadia Amalia; Erita Astrid; Arnah Ritonga; Dinda Kartika; Nadrah Afiati; Ade Andriani
Wahana Jurnal Pengabdian kepada Masyarakat Vol. 5 No. 1 (2026): Edisi Juni
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/wahana.v5i1.1910

Abstract

Petani kopi di Desa Perteguhan, Kabupaten Karo, masih menghadapi produktivitas yang rendah, keterbatasan pencatatan mikroklimat, dan pengambilan keputusan agronomis yang dominan berbasis pengalaman. Artikel pengabdian ini bertujuan mengevaluasi dampak pendampingan pemanfaatan Automatic Weather Station (AWS) berbasis Internet of Things (IoT) yang terintegrasi dengan aplikasi mobile Temani Kopi. Kegiatan dilaksanakan pada akhir Mei 2025 melalui survei pendahuluan, perakitan sistem, instalasi lapangan, pelatihan petani, pendampingan tiga bulan, dan evaluasi dampak terhadap 10 petani mitra. Data dikumpulkan melalui observasi, wawancara terstruktur, serta kuesioner pre-test dan post-test sebanyak 15 butir menggunakan skala Likert. Analisis dilakukan dengan persentase capaian, persentase perubahan, dan normalized gain. Hasil menunjukkan literasi teknologi meningkat dari 45% menjadi 85% (N-Gain=0,73), kemampuan mengoperasikan aplikasi meningkat dari 50% menjadi 90% (N-Gain=0,80), dan pengambilan keputusan agronomis berbasis data meningkat dari 48% menjadi 88% (N-Gain = 0,77). Pendampingan juga meningkatkan efisiensi penggunaan air dan pupuk sekitar 20% serta memperkuat kesiapan adopsi pertanian digital. Temuan ini menunjukkan bahwa pendampingan IoT partisipatif dapat mengubah praktik budidaya kopi dari berbasis intuisi menuju keputusan berbasis data.
Optimisasi Penempatan Sensor Automatic Weather Station di Perkebunan Kopi Menggunakan Pendekatan Metric Dimension Graf Join Nurul Maulida Surbakti; Dinda Kartika; Zul Amry; Muhammad Ashari
Teorema: Teori dan Riset Matematika Vol 11, No 1 (2026): Maret
Publisher : Universitas Galuh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25157/teorema.v11i1.20971

Abstract

Penelitian ini bertujuan untuk menganalisis metric dimension dari graf join sebagai model matematis untuk optimasi penempatan sensor pada sistem Automatic Weather Station (AWS) berbasis Internet of Things (IoT) di perkebunan kopi. Penelitian ini dilatarbelakangi oleh kebutuhan sistem pemantauan iklim mikro yang efisien, dengan jumlah sensor minimum namun tetap mampu memberikan informasi lingkungan secara akurat dan berkelanjutan. Metode yang digunakan meliputi analisis matematis berbasis konsep resolving set dalam teori graf untuk menentukan nilai metric dimension, simulasi komputasi menggunakan algoritma Breadth-First Search (BFS) berbasis Python untuk memverifikasi hasil teoretis, serta implementasi prototipe AWS untuk pengukuran parameter lingkungan. Hasil penelitian menunjukkan bahwa metric dimension graf  adalah   untuk setiap , yang merepresentasikan jumlah minimum sensor yang diperlukan untuk membedakan seluruh titik pemantauan secara unik. Hasil simulasi komputasi konsisten dengan analisis teoretis, sehingga mengonfirmasi validitas model yang diusulkan. Implementasi prototipe AWS di lapangan menunjukkan bahwa pendekatan ini mampu menghasilkan distribusi sensor yang efisien sekaligus menyediakan data iklim mikro yang akurat. Kontribusi utama penelitian ini adalah pengembangan model optimasi penempatan sensor berbasis metric dimension pada graf join  yang diintegrasikan dengan sistem AWS berbasis IoT. Secara praktis, temuan ini berimplikasi pada peningkatan efisiensi biaya, pengurangan konsumsi energi, serta peningkatan keandalan sistem pemantauan lingkungan. Pendekatan ini juga menyediakan kerangka yang skalabel untuk optimasi penempatan sensor pada berbagai aplikasi jaringan sensor dalam pertanian presisi dan pemantauan lingkungan.
Embedded TinyML for Predicting Soil Moisture Conditions in Rice Fields Using Weather Data Nurul Maulida Surbakti; Dinda Kartika; Zu Amry; Muhammad Ashari; Riza Pahlawan
ZERO: Jurnal Sains, Matematika dan Terapan Vol 9, No 2 (2025): Zero: Jurnal Sains Matematika dan Terapan
Publisher : UIN Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30829/zero.v9i2.26551

Abstract

This study implements a lightweight TinyML model to classify soil moisture conditions and support irrigation decisions in rice cultivation, chosen over conventional cloud-based ML because it enables low-power, low-latency, fully offline inference on microcontrollers-critical for rural areas with limited connectivity. Trained on 3,021 localized microclimate records from Denai Lama Village (temperature, humidity, rainfall, cloud cover) using logistic regression for its simplicity and interpretability under resource constraints, the model was deployed on an ESP32 for real-time predictions into three classes (underwatered, optimal, overwatered). Experimental results show accuracy = 0.982 and weighted F1 = 0.982 on the validation set (ROC-AUC = 0.997), and on the held-out test set (N = 194) the model achieved 93.4% accuracy, 0.927 weighted F1 (precision 0.914; recall 0.942), and ROC-AUC = 0.988. These findings indicate that TinyML provides a practical, low-cost, and scalable edge-AI pathway for reliable, energy-efficient decision support in precision irrigation without network dependence, offering a deployable template for smallholder farming contexts.
Merancang Pengendali Pressure Process Rig Menggunakan Neural Network Berbasis Error dengan Metode Pembelajaran Backpropagation Muhammad Ashari; Kusumoputro, Benyamin; Saragih, Dian Putra; Zulkarnain, Selly Annisa Binti; Pratama, Saras
Techno.Com Vol. 24 No. 3 (2025): Agustus 2025
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v24i3.13381

Abstract

Jaringan Saraf Tiruan (NN) merupakan sebuah paradigma dalam pemrosesan informasi yang dimodelkan berdasarkan sistem neuron, menyerupai cara otak manusia memproses informasi. Penelitian ini membahas penerapan jaringan saraf dengan algoritma pembelajaran backpropagation yang diimplementasikan dalam simulasi sebagai pengendali suatu sistem. Pressure Process Rig 38-714 digunakan sebagai model plant dalam penelitian ini. Pengendali berbasis Jaringan Saraf Tiruan ini beroperasi dengan menghitung kesalahan antara keluaran aktual sistem dan masukan referensi yang telah ditentukan, dimana sinyal hasil selisih antara keluaran plant dan sinyal referensi menjadi masukan utama bagi sistem kendali. Penelitian ini memperkenalkan pendekatan pengendalian berbasis eror dengan pelatihan dua tahap, yakni konfigurasi seri-paralel dan paralel, serta disertai metode faktor pengali untuk menjaga kestabilan sinyal kendali dalam batas kerja plant. Berbagai eksperimen dilakukan untuk mengevaluasi kinerja sistem, termasuk pengujian dengan dan tanpa gangguan, serta pembandingan terhadap metode Direct Inverse Control Neural Network (DIC NN). Hasil pengujian menunjukkan bahwa pendekatan ini memberikan solusi adaptif dan tahan terhadap eror, dengan performa dan ketahanan yang lebih baik dalam kondisi terpengaruh gangguan dibandingkan metode DIC NN. Keberhasilan sistem diukur dari kesesuaian antara keluaran plant dengan sinyal referensi dan kemampuan sistem kendali dalam meredam gangguan secara efektif.   Kata kunci: Pengendali, Neural Network, Backpropagation.