Article Per Year (5 Year)
p-Index From 2020 - 2025
0.947
P-Index
This Author published in this journals
All Journal Jurnal Pekommas Jurnal Teknologi Informasi dan Ilmu Komputer JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Informatika Polinema (JIP)
Ekojono, Ekojono
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Library & Information Science

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
Implementasi Machine Learning pada Sistem Informasi Pemeliharaan Transformator Daya Hidayah, Hilda Khoirotul; Ekojono, Ekojono; Sintiya, Endah Septa
Jurnal Informatika Polinema Vol. 10 No. 4 (2024): Vol. 10 No. 4 (2024)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v10i4.6008

Abstract

Listrik memegang peranan yang tidak tergantikan dalam kehidupan manusia sehari-hari. Untuk memenuhi kebutuhan energi listrik yang semakin meningkat, diperlukan suatu sistem kelistrikan yang handal, seperti transformator daya. Transformator daya memegang peranan penting dalam sistem tenaga listrik, dimana keandalan transformator dalam jangka panjang sangat erat kaitannya dengan keselamatan dan kestabilan sistem tenaga listrik. Oleh karena itu, pemeliharaan transformator harus dilakukan untuk mengantisipasi kegagalan mendadak dan menjamin keandalan sistem tenaga listrik secara keseluruhan. Penting untuk melakukan penilaian kesehatan untuk mengetahui kondisi transformator daya. Penilaian ini dapat dilakukan dengan berbagai cara, termasuk Health Index (Indeks Kesehatan) dan Dissolved Gas Analysis (Analisis Gas Terlarut). Metode Duval Pentagon dan Metode Duval Triangle digunakan dalam Dissolved Gas Analysis untuk memastikan kondisi transformator. Tujuan dari penelitian ini adalah membandingkan tiga model machine learning—Support Vector Machine, Artificial Neural Network, dan Random Forest—menggunakan dataset Duval Pentagon Method dan Duval Triangle Method untuk mendapatkan model dengan akurasi tertinggi. Model dengan akurasi tertinggi akan diimplementasikan pada sistem informasi manajemen transformator untuk mengetahui kondisi transformator. Dalam sistem ini juga diterapkan perhitungan Health Index dengan minyak dan kertas sebagai parameter hasil pengujian. Hasil perhitungan Health Index dan Dissolved Gas Analysis dapat menentukan rekomendasi tindakan transformator yang tepat. Dengan demikian, sistem ini dapat memudahkan tenaga ahli transformator dalam menjaga kesehatan transformator daya.
METODE RANDOM FOREST UNTUK KLASIFIKASI KERUSAKAN TRANSFORMATOR DAYA BERDASARKAN GAS TERLARUT PADA DUVAL TRIANGLE DAN DUVAL PENTAGON Risatayn, Hunayn; Ekojono, Ekojono; Suryani Hormansyah, Dhebys
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.7743

Abstract

Penyaluran energi listrik merupakan hal yang essensial dalam operasional komponen elektronik. Kinerja transformator untuk memenuhi kebutuhan transmisi bergantung pada sistem isolasi. Sistem isolasi berupa minyak transformator akan mengalami degradasi kualitas seiring dengan periode pemanfaatan alat. Peninjauan mutu dari minyak transformator secara periodik diperlukan untuk memastikan performa sistem. Analisis konsentrasi gas terlarut menggunakan teknik interpretasi duval triangle dan duval pentagon diterapkan untuk mendapatkan informasi terkait kelas kerusakan transformator daya. Duval Triangle mampu memberikan lokasi titik koordinat centroid berdasarkan konsentrasi gas terlarut yang diperoleh secara riil di lapangan oleh operator. Fungsi serupa terdapat dalam metode Duval Pentagon dengan identifikasi gas meliputi hidrogen, etana, metana, etilen dan asetilen yang terkandung dalam sistem isolasi transformator. Kurangnya tingkat pemahaman operator dalam mendefinisikan kelas kerusakan memicu pengaplikasian metode klasifikasi. Metode Random Forest menawarkan proses klasifikasi dengan waktu yang relatif singkat tanpa diperlukan pemahaman yang mendalam bagi operator. Himpunan pohon keputusan yang terbentuk dalam metode memberikan keluaran independen dan secara kolektif dihasilkan konklusi dari mayoritas label pohon keputusan menggunakan teknik interpretasi Duval Triangle dan metode klasifikasi Random Forest sebesar 96.011% pada kombinasi testing size=25% dan n_estimator=125, sedangkan teknik interpretasi Duval Pentagon menghasilkan tingkat akurasi tertinggi dengan nilai 98.693% pada kombinasi testing size=15% dan n_estimator=100.
Sistem Penentu Penerimaan Bantuan Sosial (BLT-DD) untuk Keluarga Kurang Mampu Nila Ayu Setyaningrum; Dian Hanifudin Subhi; Ekojono, Ekojono
Jurnal Informatika Polinema Vol. 11 No. 1 (2024): Vol. 11 No. 1 (2024)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v11i1.6093

Abstract

Bantuan Langsung Tunai Dana Desa (BLT-DD) merupakan bantuan bagi warga kurang mampu yang dibiayai dari dana desa. Bantuan sosial yang diberikan di Desa Boto, Kecamatan Semanding, Kabupaten Tuban sering terjadi permasalahan, salah satunya penerima BLT-DD dianggap tidak merata dan tidak jatuh kepada pihak yang membutuhkan. Masalah lain yang muncul yaitu pencatatan BLT-DD terjadi karena data tersalip yang mengakibatkan ketidakakuratan dalam penyaluran bantuan sosial. Berdasarkan permasalahan tersebut, maka dibutuhkan kriteria yang tepat untuk menentukan calon penerima BLT-DD guna menghindari kesalahan dalam penyaluran bantuan sosial di masa mendatang. Kriteria yang digunakan dalam menentukan penerima BLT-DD berdasarkan parameter seperti status tempat tinggal, jenis lantai bangunan, jenis dinding bangunan, sumber penerangan, usia, status perkawinan, penghasilan, jumlah tanggungan, jumlah ternak, penerima bantuan pemerintah, kehilangan pekerjaan, dan anggota keluarga sakit. Metode AHP diterapkan untuk menilai dan menentukan bobot dari setiap kriteria berdasarkan penilaian multi-expert, sedangkan TOPSIS digunakan untuk menentukan skor akhir dari penerima BLT-DD. Selain itu, GMM digunakan untuk mencapai nilai konsesnsus dalam penilaian multi-expert. Pada penelitian ini, penulis membuat Sistem Pendung Keputusan berbasis website. Data yang dipakai adalah 45 data calon penerima BLT-DD yang nantinya diambil 39 data layak menerima BLT-DD. Pada pengujian fungsional sistem berjalan dengan baik sesuai kebutuhan pengguna dengan tingkat kepuasan sebesar 93%. Dengan demikian, sistem ini dapat membantu dalam menentukan rekomendasi calon penerima BLT-DD di Desa Boto.
Identifikasi Anomali Transformator Menggunakan Algoritma Machine Learning AdaBoost apriyani, meyti eka; Ekojono, Ekojono; Siswanto, Sela Aulia
Jurnal Pekommas Vol 9 No 2 (2024): Desember 2024
Publisher : Sekolah Tinggi Multi Media “MMTC” Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56873/jpkm.v9i2.5765

Abstract

Electrical energy is one of the most important needs in the local area, concerning the provision of electrical power a transformer is needed to distribute electrical power to each house. The use of transformers in each area requires testing the oil content in them to assess the state of the transformer. The Duval Pentagon Method (DPM) and the Duval Triangle Method (DTM) can be used in tests to identify transformer interference. Owing to the vast quantity of transformers utilized in public energy distribution, the Adaboost machine learning method was applied to identify transformer disruptions. By categorizing test data on a dataset derived from tests conducted with the earlier DTM and DPM techniques, the AdaBoost algorithm predicts transformer disruptions. According to the findings of tests conducted using the best dataset, the division used 80% of the data for training and reserved 20% for testing, using a learning rate of 1 and an estimator of 400 for DTM. This resulted in an accuracy level of 91.1%, which is an excellent classification. In contrast, the DPM approach divides the dataset into 80% training and 20% testing, employs an estimator of 500, and has a learning rate of 0.5. This leads to an excellent classification accuracy rate of 84.9%.
Sistem Automasi Perkebunan dan Pemantauan Cuaca Menggunakan AWS Berbasis Raspberry Pi Rohadi, Erfan; Abdurrahman, Raka Admiral; Ekojono, Ekojono; Asmara, Rosa Andrie; Siradjuddin, Indrazno; Ronilaya, Ferdian; Setiawan, Awan
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 5 No 6: Desember 2018
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (117.188 KB) | DOI: 10.25126/jtiik.2018561121

Abstract

AbstrakInternet of Things (IoT) mengalami perkembangan yang sangat pesat dan menjadi topik yang layak untuk diperbincangkan dan dikembangkan saat ini. IoT merupakan sebuah metode yang bertujuan untuk memaksimalkan manfaat dari konektivitas internet untuk melakukan transfer dan pemrosesan data- data atau informasi melalui sebuah jaringan internet secara nirkabel, virtual dan otonom. Salah satu pemanfaatan IoT adalah sistem automasi. Sistem automasi pada umumnya menggunakan pengatur waktu (timer) untuk proses penyiraman tanaman. Penggunaan timer bertujuan agar penyiraman tanaman berjalan secara rutin tanpa bantuan manusia.Pengembangan sistem automasi ini dimulai dengan pembuatan prototype lahan tanaman cabai rawit di lahan 5 x 2.5 meter, kemudian menyusun komponen-komponen yang dibutuhkan serta cara kerjanya. Selanjutnya dilakukan pemrograman sensor-sensor terhadap Raspberry Pi sebagai pengontrol dalam sistem tersebut berdasarkan kondisi yang telah diatur dan perubahan temperatur yang diterima oleh sensor. Setelah semua dilakukan, maka dilakukan pengujian terhadap sistem tersebut.Berdasarkan pengujian yang telah dilakukan, diketahui telah berhasil dilakukan penyiraman otomatis, baik secara reguler (pukul 06.00 dan 18.00) maupun penyiraman pendinginan. Pendinginan dilakukan jika suhu lebih dari 30 derajat celcius. Sistem automasi yang dikembangkan dengan uji tanaman cabai rawit menjanjikan untuk diterapkan pada pemanfaatan lahan di sekitar rumah. AbstractRecently, The Internet of Things (IoT) has been implemented and become an interesting topic for discussion. IoT is a method that aims to maximize the benefits of Internet connectivity to transfer and process data or information through an internet network wirelessly, virtual and autonomous. One of the IoT's utilization is automation system. The automation system generally uses a timer for the plant watering process. The use of timers aims to water the plants routinely without human assistance.The development of this automation system begins with the making of the prototype of chili land in the field 5 x 2.5 meters, then compile the required components and how it works. Further programming of sensors to Raspberry Pi as a controller in the system based on the conditions that have been set and changes in temperature received by the sensor.As a result, the system has been successfully done automatic watering, both on a regular basis (at 06.00 and 18.00) and cooling watering. Cooling is done if the temperature exceeds more than 30 degrees Celsius. The automation system promises to be applied to the utilization of land around the house.
Sistem Monitoring Budidaya Ikan Lele Berbasis Internet Of Things Menggunakan Raspberry Pi Rohadi, Erfan; Adhitama, Dodik Widya; Ekojono, Ekojono; Ariyanto, Rudy; Asmara, Rosa Andrie; Ronilaya, Ferdian; Siradjuddin, Indrazno; Setiawan, Awan
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 5 No 6: Desember 2018
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (117.312 KB) | DOI: 10.25126/jtiik.2018561135

Abstract

AbstrakInternet of Things merupakan perkembangan teknologi berbasis internet masa kini yang memiliki konsep untuk memperluas manfaat yang benda yang tersambung dengan koneksi internet secara terus menerus. Sebagai contoh benda elektronik, salah satunya adalah Raspberry Pi. Teknologi ini memiliki kemampuan memberikan informasi secara otomatis dan real time. Salah satu pemanfaatan perkembangan teknologi ini di bidang perikanan adalah sistem pemantauan air kolam. Pada prakteknya, para pembudidaya ikan lele masih melakukan pemantauan tersebut secara konvensional yaitu dengan cara mendatangi kolam ikan. Hal ini berpengaruh terhadap efisiensi waktu dan keefektifan kerja pembudidayaan ikan.Pada penelitian ini dikembangkan alat yang berfungsi untuk membantu memantau dan mengontrol kualitas air kolam ikan lele berbasis Internet of Things. Piranti yang diperlukan adalah sensor keasaman (pH), sensor suhu dan sebuah relay untuk mengatur aerator oksigen air. Data dari sensor-sensor tersebut direkam oleh Raspberry Pi untuk kemudian diolah menjadi informasi sesuai kebutuhan pengguna melalui perantara internet secara otomatis. Selanjutnya data-data tersebut dapat ditampilkan dengan berbagai macam platform, salah satunya dengan model mobile web.  Hasil uji menunjukan bahwa pengembangan teknologi Internet of Things  pada sistem ini dapat membantu pembudidaya untuk melakukan pemantauan terhadap kualitas air secara otomatis. Sistem otomasi yang dikembangkan menjanjikan peningkatan keberhasilan dalam pembudidayaan ikan lele. AbstractFor recent years, the Internet of Things becomes the topic interest of improvement based on technologies that have the concept of extending the benefits of an object that is connected to an internet constantly. This technology has the ability to provide information automatically and real time. One of expansion in the field of fishery is the water ponds monitoring system. In the fact, the catfish farmers are still doing conventional monitoring by coming to the fish pond. This could affects the efficiency of time and effectiveness of fish cultivation work.In this research, the systems that can monitor and control the quality of catfish water ponds based on the Internet of Things is proposed. The necessary tools are acidity sensor (pH), temperature sensor and a relay to adjust water oxygen aerator. The data sensors have been recorded by Raspberry Pi that processed into information according to user needs through internet automatically. Furthermore, these data have been displayed with a variety of platforms, one with a mobile web model.The results shows that the system based on Internet of Things technology can monitor the water quality automatically. The automation system promises the productivity of catfish farming.
Co-Authors Abdurrahman, Raka Admiral Adhitama, Dodik Widya Arif, Sofyan Noor Astuti, Ely Setyo Atiqah Nurul Asri Awan Setiawan Aziz Amrullah, Anugerah Jaya Batubulan, Kadek Sarjuna Budy Wiryawan Cahyaningrum, Rizkyna Dian Hanifudin Subhi Dimas Wahyu Wibowo Donavan, Khasadika Eka Apriani, Meyti Endah Septa Sintiya Erfan Rohadi Fitri, Dian Aulia Hendra Pradibta herman, al wegi Hidayah, Hilda Khoirotul Imam Fahrur Rozi Maulana, Galang Rizka Mustika, Mentari Nila Ayu Setyaningrum Ningsih, Lutfi Ayu Putra, Denny Kharisma Ramadani, Sandi Fajri Risatayn, Hunayn Risca, Inggrid Yanuar Ronilaya, Ferdian Rosa Andrie Asmara Rudy Ariyanto Rusfalia, Aidana Santoso, Nurudi Saputra, Yoga Liestyawan Siradjuddin, Indrazno Siswanto, Sela Aulia Suryani Hormansyah, Dhebys Wulung, Ipan A’shary Yudistira, Dimas Bagos