Article Per Year (5 Year)
p-Index From 2020 - 2025
2.339
P-Index
This Author published in this journals
All Journal Jurnal Mahasiswa TEUB
Rahmadwati, n/a
Unknown Affiliation
Education

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 14 Documents
Search

 1   2 
PENGEMBANGAN PLASMA STERILIZER MENGGUNAKAN KONTROL LOGIKA FUZZY SEBAGAI PENGENDALI TEGANGAN Fajri, Muhammad; Maulana, Eka; Rahmadwati, n/a
Jurnal Mahasiswa TEUB Vol 10, No 1 (2022)
Publisher : Jurnal Mahasiswa TEUB

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

ABSTRAKPlasma Sterilizer adalah alat yang digunakan untuk mensterilkan apapun jenis benda yang menempel pada wadah. Dengan adanya Plasma Sterilizer, mensterilkan benda kecil atau tangan tidak membutuhkan sabun cuci tangan atau alkohol lagi. Namun, dalam pelaksana uji coba pembangkitan plasma terdapat perubahan besar tegangan yang dibutuhkan pembangkitan plasma, berdasarkan kepada besar luas permukaan yang ditempelkan ke dalam wadah. Dengan kata lain, dibutuhkannya pengaturan agar plasma yang dihasilkan sesuai dengan kebutuhan atau ukuran benda yang ditempelkan ke wadah sterilisasi. Sterilisasi tangan pada dasarnya menghasilkan plasma pada saat tegangan 12,6 KVolt dimana pada sumber sebesar 15 volt namun diharapkan berubah mengikuti berapa besarnya pertambahan ukuran benda yang ingin di sterilkan. Penelitian ini bertujuan untuk merancang dan membuat sistem kontrol yang diterapkan pada Rancang Plasma Sterilizer yang mampu menyesuaikan kondisi ukuran benda yang disterilisasikan dengan besar tegangan input yang digunakan. Metode yang digunakan pada penelitian ini adalah metode logika Fuzzy sebagai pengambil keputusan. Pada percobaan digunakan 2 input Pada metode ini yaitu jarak x dan y sebagai representasi jarak depan dan samping tangan pengguna dengan sensor jarak dimana terdapat 2 logika di masing-masing input yaitu dekat dan jauh dengan input tersebut menghasilkan 3 logika output dengan tegangan-tegangan yang berbeda yaitu 12,7KVolt, 14,6 KVolt, 17,4 KVolt. Dalam perancangan sistem pengendalian tegangan menggunakan sistem inferensi fuzzy Sugeno sebagai logika pengambil keputusan. Aktuator yang digunakan berupa ZVS Transformator, dan input bersumber dari Sensor pengukur jarak yaitu Sensor Ultrasonic HC-SR04.Kata Kunci: Plasma Sterilizer, Kontrol Logika Fuzzy.ABSTRACTPlasma Sterilizer is a tool used to sterilize any type of object attached to the container. With the Plasma Sterilizer, sterilizing small objects or hands does not require hand soap or alcohol anymore. However, in implementing plasma generation trials there is a large change in the voltage required for plasma generation, based on the large surface area attached to the container. In other words, it is necessary to adjust the plasma produced according to the needs or the size of the object attached to the sterilization container. Hand sterilization basically produces plasma at a voltage of 12.6 KVolt where the source is 15 volts but is expected to change according to how much the size of the object you want to sterilize increases. This study aims to design and create a control system that is applied to the Plasma Sterilizer which is able to adjust the size of the object being sterilized with the input voltage used. The method used in this study is the fuzzy logic method as a decision maker. In this experiment, 2 inputs are used. In this method, the distances x and y are representations of the front and side distances of the user's hand with a proximity sensor where there are 2 logics in each input, namely near and far. namely 12.7KVolt, 14,6 KVolt, 17.4 KVolt. In designing the voltage control system, Sugeno's fuzzy inference system is used as a decision-making logic. The actuator used is a ZVS transformer, and the input is sourced from a distance measuring sensor, the Ultrasonic Sensor HC-SR04.Keywords: Hand and small object sterilization design using cold plasma, Fuzzy Logic Control
SISTEM PENGENDALIAN INTENSITAS CAHAYA PADA INKUBATOR BAYI UNTUK PROSES FOTOTERAPI MENGGUNAKAN KONTROL FUZZY Lumbantoruan, Natalia; Rahmadwati, n/a; Rusli, Moch.
Jurnal Mahasiswa TEUB Vol. 12 No. 1 (2024)
Publisher : Jurnal Mahasiswa TEUB

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Phototherapy is one of the processes to overcome jaundice that usually occurs in premature babies, namely by providing blue light. Jaundice or hyperbilirubinemia is one of the problems or disorders in babies who experience premature birth. One of the important things in providing phototherapy is that the intensity of the light given greatly affects the effectiveness of the process.Therefore, it is necessary to control the light intensity to keep it as desired. In this research, the light intensity control system in phototherapy uses a BH1750 sensor as a sensor to detect light intensity and fuzzy logic control is used to keep the light intensity produced in the incubator within the required range, which is 19-24.5 lux. The fuzzy control used is the Sugeno method with 3 stages, namely fuzzification, rule inference, and defuzzification. The result of the system response is the light intensity as required. Testing is done by setting a set point at a light intensity of 22 lux where the settling time is obtained around 8 seconds, there is no overshoot, and has a steady state error below 5%, which is 2.27%. Keywords: Phototherapy, Light Intensity, Fuzzy Control
UNJUK KERJA PENGGUNAAN CONVOLUTIONAL NEURAL NETWORK (CNN) DAN SIAMESE NEURAL NETWORK (SNN) DALAM MENGIDENTIFIKASI WAJAH Airlangga, Daniar Putri; Mudjirahardjo, Panca; Rahmadwati, n/a
Jurnal Mahasiswa TEUB Vol. 12 No. 1 (2024)
Publisher : Jurnal Mahasiswa TEUB

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Face identification is one form of security verification that is currently widely used due to its low level of fraud. Therefore, this study aims to obtain the best model with the method and parameters between CNN and SNN in identifying faces using a dataset sourced from the open-source Kaggle created by Burak from Middle East Technical University, Turkey. The dataset consists of 5 classes, each containing 5 faces with different names but the same number of faces per class. Furthermore, the existing data will undergo a preprocessing process aimed at reducing dimensions and noise in non-uniform data. Next, in this process, the data will be divided into training data and test data for further training using the Tensorflow Keras framework and the visual studio code IDE and Kaggle as a notebook. There are 2 stages of testing in this study, namely testing the performance of the modeling on the system created by using varying epochs and changes in parameters, and testing the performance of the system in performing identification. The model with the best results is the SNN method model, which has a training accuracy of up to 99% and an evaluation result accuracy of up to 98% with a prediction time of only 0.7 seconds. The results of this study indicate that the SNN method has better ability in identifying faces compared to the CNN method. Keywords— Face identification, Machine Learning, Convolutional Neural Network (CNN), Siamese Neural Network (SNN).
DESAIN DAN ANALISIS METODE PLUGIN REPETITIVE CONTROL UNTUK SISTEM LINEAR FASE MINIMUM Edward, Ronald; Rahmadwati, n/a; Muslim, Muhammad Aziz; Kurniawan, Edi
Jurnal Mahasiswa TEUB Vol. 12 No. 2 (2024)
Publisher : Jurnal Mahasiswa TEUB

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Control systems have played an important role in the advancement of science and technology. One of the challenges is the use of conventional controllers such as PID (Proportional-Integral-Derivative) controllers which are less than optimal in dealing with complex systems. Therefore, there is a new theory of control called Repetitive Control (RC), RC allows robots to improve movement precision and repetitive task tracking. RC allows the robot to improve the precision of movement and repetitive task tracking. This research uses the Python programming language to design the control system and simulate the variation of the given reference signal and then an analysis is carried out which aims to determine the performance of control method is the most effective. The results of the Plug-in RC control method with three kinds of internal model variations namely modified, odd harmonics, and multi periods are then compared with the PID controller control method. The evaluation parameter values used in this study are time response, %overshoot, root mean square error (RMSE), integral time absolute error (ITAE). As a result, Plug-in RC is more effective in dealing with repetitive signals. For example, at plant J1 (waist) frequencies of 1 Hz and 3 Hz PID produces an ITAE value of 1875.372 and RMSE of 0.21699. Plug-in RC modified internal model produces ITAE value of 3.749 and RMSE of 0.00052. The Plug-in RC odd harmonics internal model produces an ITAE value of 5.753 and an RMSE of 0.00069. While at the frequency of multi periods the performance of the plug-in RC multi periods internal model is better than the PID controller, this can be seen in plant J2 (shoulder) where the Plug-in RC multi periods has an ITAE value of 8.993 and an RMSE of 0.00152, while the PID controller has an ITAE value of 3849.193 and an RMSE of 0.45739. Keywords— Control System, Proportional Integral Derivative (PID), Plug-in Repetitive Control, Intenal Model, Python
DETEKSI BANGUNAN MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) ARSITEKTUR U-NET PADA CITRA SATELIT Firmansyah, Vicky; Mudjirahardjo, Panca; Rahmadwati, n/a
Jurnal Mahasiswa TEUB Vol. 12 No. 3 (2024)
Publisher : Jurnal Mahasiswa TEUB

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

This research aims to detect buildings in satellite images using the U-Net architecture CNN model. The dataset is a satellite image of the Araya area, Malang City extracted through Google Earth Engine with the Python programming language, consisting of 4 band channels: Red, Green, Blue, and NIR. The data is processed into 2 types of sizes, namely 128x128 pixels and 64x64 pixels, then divided into train, validation, and test data. Training uses Keras Tensorflow, and testing is done in three stages: model performance testing with layer addition and parameter changes, building detection testing, and comparison of prediction results with manual measurements. The best model was obtained by a model with a training dataset of 128x128 pixels that achieved 93%accuracy with a prediction time of 2 seconds. Keywords— Building Detection, Semantic Segmentation, Convolutional Neural Network (CNN), UNet, Satellite Imagery
Pendeteksi Gawang dan Bola Hasil Tangkapan Kamera Omnidirectional Menggunakan YOLOv4-TINY Rauf, Daru Adiyatma; Mudjirahardjo, Panca; Rahmadwati, n/a
Jurnal Mahasiswa TEUB Vol. 13 No. 2 (2025)
Publisher : Jurnal Mahasiswa TEUB

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan untuk merancang sistem pendeteksi gawang dan bola pada robot sepak bola beroda menggunakan kamera omni-directional sebagai sensor visual utama. Sistem ini ditujukan untuk mendukung performa robot dalam ajang Kontes Robot Indonesia (KRI) divisi Kontes Robot Sepak Bola Indonesia Beroda (KRSBI-B). Kamera omni-directional digunakan untuk memperoleh citra dengan sudut pandang luas sehingga dapat memantau lingkungan sekitar secara menyeluruh dalam satu frame. Metode You Only Look Once (YOLOv4-Tiny) dipilih karena kemampuannya dalam mendeteksi objek secara real-time dengan kecepatan dan akurasi yang baik, sesuai dengan kebutuhan kompetisi robotika. Tahapan penelitian meliputi akuisisi data citra menggunakan kamera omni-directional, pre-processing citra untuk meningkatkan kualitas gambar, serta pelatihan model YOLOv4-Tiny untuk mendeteksi objek gawang dan bola. Selanjutnya, sistem diintegrasikan ke dalam robot menggunakan bahasa pemrograman C++ dengan bantuan pustaka OpenCV dan Darknet untuk memproses citra secara efisien. Pada penelitian ini, dilakukan juga pengujian yang terdiri dari pengujian evaluasi model, pengujian waktu komputasi , dan pengujian deteksi objek di luar area lapangan. Pengujian evaluasi model dilakukan untuk mengevaluasi kemampuan model dalam mendeteksi objek secara tepat menggunakan metrik evaluasi. Sementara itu, pengujian performansi untuk menghitung waktu inferensi untuk satu frame. Berdasarkan hasil pengujian, Model YOLOv4-Tiny mampu mencapai AP pada kelas Bola sebesar 94.16%, AP pada kelas Gawang sebesar 100%, dengan mAP sebesar 97.08%. Selain itu, model ini memiliki Recall sebesar 0.97, Precision sebesar 0.94, dan F1-Score sebesar 0.96. Dari segi waktu komputasi, sistem memiliki waktu inferensi untuk satu frame di antara 10 ms hingga 15 ms. Hasil pengujian di luar area lapangan menunjukkan bahwa akurasi deteksi turut dipengaruhi oleh kondisi lingkungan seperti warna latar belakang, pencahayaan, dan perspektif kamera. Objek dengan kontras tinggi lebih mudah terdeteksi, sedangkan objek yang menyatu dengan latar sulit dikenali. Jarak dan distorsi kamera omni-directional juga memengaruhi performa deteksi. Secara keseluruhan, model memiliki precision 0,86, recall 0,95, dan F1-score 0,90, yang tetap menunjukkan performa deteksi yang cukup seimbang di kondisi yang lebih menantang. Dengan hasil tersebut, model ini mampu mendeteksi gawang dan bola dengan tingkat akurasi yang memuaskan pada berbagai kondisi posisi objek. Sistem ini memiliki waktu pemrosesan yang cukup cepat sehingga mendukung performa robot dalam pengambilan keputusan secara real-time. Sistem deteksi gawang dan bola sudah layak digunakan dan memenuhi syarat pada pertandingan KRSBI-B. Kata Kunci— Kamera Omni-Directional, YOLOv4-Tiny, Deteksi Gawang, Deteksi Bola
Optimasi Hyperparameter Metode Convolutional Neural Network (CNN) dengan Algoritma Genetika pada Klasifikasi Kanker Melanoma Kusuma, Yobel Fernando Ilianto; Rahmadwati, n/a; Aswin, Muhammad
Jurnal Mahasiswa TEUB Vol. 13 No. 2 (2025)
Publisher : Jurnal Mahasiswa TEUB

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kanker melanoma merupakan kanker kulit yang mematikan, maka dari itu  diperlukan diagnosa awal yang akurat dan cepat. Salah satu metode untuk  mengatasi hal tersebut adalah dengan menggunakan metode  pembelajaran mesin yang sering digunakan dalam klasifikasi gambar yaitu convolutional neural network (CNN). Tetapi penentuan hyperparameter  dari model CNN yang optimal masih menjadi tantangan karena banyaknya  kombinasi hyperparameter yang dapat memberikan pengaruh kepada  peforma model. Pada penelitian ini memiliki tujuan untuk mengoptimasi  kombinasi hyperparameter model CNN menggunakan algoritma optimasi,  yaitu genetic algorithm (GA) untuk meningkatkan akurasi klasifikasi. Hyperparameter yang dioptimasi terdiri dari jumlah filter dan ukuran  kernel pada tiap lapisan konvolusi. Dataset yang digunakan dalam  penelitian ini terdiri dari data pelatihan sebanyak 9605 gambar dan data uji sebanyak 1000 yang dibagi menjadi 2 kategori yaitu benign dan malignant.  Hasil penelitian menunjukkan bahwa model CNN yang tidak dioptimasi hyperparameternya memiliki akurasi data pelatihan 91,32% dan akurasi  data uji 88,9%. Sedangkan pada model CNN yang dioptimasi didapatkan  akurasi pelatihan terbaik pada 92,55% dan akurasi data uji 90,7%. Kata Kunci—Kanker melanoma, Pembelajaran mesin, Convolution neural network, Algoritma Genetika.
PERANCANGAN SISTEM KONTROL SUHU DAN KELEMBAPAN BERBASIS FUZZY LOGIC PADA DRY BOX FILAMEN 3D PRINTER Abrar, Hilmi Mukhlas; Rusli, Moch.; Rahmadwati, n/a
Jurnal Mahasiswa TEUB Vol. 13 No. 4 (2025)
Publisher : Jurnal Mahasiswa TEUB

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Teknologi pencetakan 3D (3D printing) semakinberkembang pesat dan memegang peranan penting dalambidang manufaktur dan prototyping. Salah satu faktor krusialyang memengaruhi kualitas hasil cetak adalah kondisifilamen, khususnya jenis Polylactic Acid (PLA) yang bersifathigroskopis. Penyerapan kelembapan oleh filamen PLAdapat menyebabkan penurunan kualitas cetakan, sepertimunculnya gelembung, permukaan kasar, dan menurunnyakekuatan mekanik. Oleh karena itu, diperlukan sistempenyimpanan berupa dry box yang mampu menjaga suhu dankelembapan secara optimal. Penelitian ini merancang danmengimplementasikan sistem kontrol suhu dan kelembapanberbasis logika fuzzy pada dry box filamen 3D printer. Sistemmenggunakan sensor DHT22 sebagai input danmengendalikan PTC heater serta TEC peltier sebagaiaktuator. Hasil pengujian menunjukkan bahwa sistem fuzzyyang diterapkan mampu menjaga suhu serta menurunkankelembapan secara efektif sesuai dengan desain logika fuzzyyang telah disusun. Dengan demikian, sistem yang dirancangmampu menjaga kualitas filamen PLA dan mendukungkonsistensi hasil cetak 3D.Kata Kunci: 3D Printing, Filament, PLA, Dry Box,Mamdani Fuzzy Logic, Kelembapan, Suhu
IMPLEMENTASI KONTROLER PID PADA PENGATURAN SUHU AIR TANAMAN KANGKUNG DENGAN METODE HIDROPONIK NFT BERBASIS ARDUINO DAN SENSOR DS18B20 Pradana, David Ardhan; Rahmadwati, n/a; Zainuri, Akhmad
Jurnal Mahasiswa TEUB Vol. 13 No. 5 (2025)
Publisher : Jurnal Mahasiswa TEUB

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pertumbuhan tanaman kangkung (Ipomoeaaquatica) dalam sistem hidroponik sangat dipengaruhioleh kestabilan suhu air. Suhu air yang terlalu rendahdapat menghambat penyerapan nutrisi dan oksigenterlarut, sedangkan suhu yang terlalu tinggi menurunkanefisiensi fotosintesis. Penelitian ini bertujuan untukmerancang dan mengimplementasikan sistem kontrolsuhu air otomatis berbasis Arduino Mega 2560menggunakan metode Proportional-Integral-Derivative(PID) dalam sistem hidroponik NFT pada tanamankangkung (Ipomoea aquatica). Suhu air merupakan salahsatu parameter krusial dalam sistem hidroponik karenamemengaruhi akar hidrolis dan penyerapan nutrisi olehakar tanaman. Sistem yang dikembangkan akanmemanfaatkan sensor DS18B20 untuk membaca suhu airsecara real-time, serta aktuator berupa water heater dankipas yang dikendalikan melalui sinyal Pulse WidthModulation (PWM) yang dikontrol oleh Arduino Mega2560. Penelitian dilakukan dengan mencari performansiterbaik melihat perbandingan antara sistem konvensionaldan sistem terkontrol dalam lingkungan hidroponik tipeNFT. Hasil pengujian menunjukkan bahwa sistemmampu menjaga suhu air pada rentang optimal 26°C–29°C sehingga pengontrolan suhu air ini memberikankontribusi positif terhadap pertumbuhan tanamankangkung, dibandingkan sistem tanpa kontrol.Kata kunci— Arduino Mega, Kontrol PID, Hidroponik
PERANCANGAN SISTEM OTOMASI PENCAHAYAAN HOTEL BERBASIS PROGRAMMABLE LOGIC CONTROLLER (PLC) Fakhrudin, Muhammad Naufal; Siswojo, Bambang; Rahmadwati, n/a
Jurnal Mahasiswa TEUB Vol. 13 No. 5 (2025)
Publisher : Jurnal Mahasiswa TEUB

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Salah satu aspek penting dari manajemen bangunan, seperti hotel, adalah pengaturanpencahayaan yang efisien dan responsif terhadap kebutuhan penghuni. Hal ini tidak hanya akanmeningkatkan kenyamanan dan pengalaman tamu, tetapi juga dapat menghasilkan penghematanenergi yang signifikan.Dengan mempertimbangkan hal tersebut, penelitian ini bertujuan untuk mengembangkanpenelitian sistem otomasi pencahayaan berbasis PLC. Pemograman PLC menggunakan ladderdiagram dalam CX-Programmer dan penyusunan program HMI (Human Manchine Interface)simulasi hotel dibuat dengan menggunakan CX-Designer.Sistem otomasi pencahayaan yang akan dibuat meliputi sistem kontrol pencahayaan padalobi hotel, koridor hotel, 8 kamar hotel, dan 8 kamar mandi hotel. Perancangan dimulai denganmenentukan input dan output ruangan sebelum program dirancang dengan CX-Programmer.Sensor yang digunakan pada sistem ini adalah sensor LDR (Light Dependent Resistor) dan SensorPIR (Passive Infrared). Sistem pencahayaan pada lobi dan koridor diatur dengan Real-TimeCounter (RTC) untuk mematikan lampu di luar waktu kerja dan sensor LDR untuk mematikanlampu saat kondisi cahaya mencukupi. Sedangkan, sistem pencahayaan kamar hotel dan kamarmandi hotel masing-masing menggunakan sepasang sensor PIR sebagai input nya.Kata Kunci- Sistem Otomasi, Pencahayaan Hotel, Programmable Logic Controller (PLC)
Co-Authors Abrar, Hilmi Mukhlas Airlangga, Daniar Putri Akhmad Zainuri Alamanda, Muthi’ah Edi Kurniawan Edward, Ronald Endah Budi Purnomowati Fakhrudin, Muhammad Naufal Firmansyah, Vicky Imran, Azzam Zhafran Kurniawan, Beni Kusuma, Yobel Fernando Ilianto Lumbantoruan, Natalia Mahendra, Ghufron Zidan Maulana, Eka Maulana, Eka Mediyanto, Ralfie Mirza Mudjirahardjo, Panca Muhammad Aswin Muhammad Aziz Muslim Muhammad Fajri Nurussa’adah, n/a Pradana, David Ardhan Rauf, Daru Adiyatma Rusli, Moch. Siswojo, Bambang Wildan, Muhammad Adyan