Article Per Year (5 Year)
p-Index From 2021 - 2026
2.957
P-Index
This Author published in this journals
All Journal Jurnal Pendidikan Teknik Mesin Majalah Ilmiah MOMENTUM Jurnal Informatika Upgris JURNAL CRANKSHAFT Jurnal Teknik Mesin Indonesia JATI EMAS (Jurnal Aplikasi Teknik dan Pengabdian Masyarakat) Didaktik : Jurnal Ilmiah PGSD STKIP Subang Quantum Teknika Automotive Experiences IRA Jurnal Teknik Mesin dan Aplikasinya (IRAJTMA) SABAJAYA Jurnal Pengabdian Kepada Masyarakat Pelita: Jurnal Pengabdian kepada Masyarakat IRA Jurnal Pengabdian Kepada Masyarakat
Aan Burhanudin
Universitas PGRI Semarang
Aerospace Engineering Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mechanical Engineering Public Health Social Sciences Other

Published : 22 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 22 Documents
Search

 1   2   3 
Metode Real-time Deteksi Gestur Tangan untuk Kendali Robot Menggunakan Teknologi Kinect Xbox Utama, Dharma; Burhanudin, Aan; Mukhtar, Agus
JURNAL CRANKSHAFT Vol 8, No 3 (2025): Jurnal Crankshaft Vol. 8 No. 3 (2025)
Publisher : Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24176/cra.v8i3.15671

Abstract

Penelitian ini dilatarbelakangi oleh kebutuhan pengembangan sistem kendali robot yang lebih intuitif dan responsif, khususnya melalui penggunaan interface non-verbal yang berbasis gestur tangan. Teknologi Kinect Xbox menjadi salah satu alat yang potensial dalam hal ini karena kemampuannya menangkap data gerakan secara real-time dengan harga yang relatif terjangkau dan implementasi yang mudah. Tujuan utama penelitian ini adalah mengembangkan metode deteksi gestur tangan berbasis Convolutional Neural Network (CNN) yang mampu melakukan klasifikasi gestur secara akurat dan cepat dalam kondisi nyata, sehingga dapat digunakan sebagai kontrol kendali robot secara efektif.Metodologi yang diterapkan menggunakan pendekatan eksperimen kuantitatif dengan pengumpulan data gerakan tangan. Data tersebut diolah menggunakan arsitektur CNN untuk melatih model klasifikasi gestur. Percobaan dilakukan dengan variasi jarak antara perangkat Kinect dengan subjek, mulai dari 1 meter hingga 4 meter, dalam lingkungan indoor dengan pencahayaan standar. Setiap gestur yang dipilih mewakili perintah kendali robot, seperti maju, mundur, berhenti, dan berputar.Hasil penelitian menunjukkan bahwa metode deteksi gestur ini memberikan performa optimal pada jarak sekitar 2,5 meter dengan tingkat akurasi mencapai 92%. Akurasi ini menunjukkan peningkatan signifikan dibandingkan jarak lainnya, dimana pada jarak terlalu dekat atau terlalu jauh akurasi menurun drastis. Selain itu, sistem dapat mengenali beragam gestur dengan kecepatan proses yang memadai untuk aplikasi real-time, menunjang pengendalian robot secara natural dan responsif. Adapun kelebihan lain dari metode ini adalah kemampuannya untuk beradaptasi dengan variabilitas gerakan tangan antar individu, sehingga menjadikannya solusi praktis dalam interaksi manusia-mesin berbasis gestur.  Kata kunci:  Deteksi Gestur Tangan, Convolutional Neural Network (CNN), Kinect Xbox 
Analisis Saringan Terhadap Hasil Penepungan Rumput Laut dengan Mesin Disc Mill dan Penggerak Motor Bensin dalam Waktu Tertentu Mubarok, M. Zakki Hilmi; Androva, Althesa; Burhanudin, Aan
IRA Jurnal Teknik Mesin dan Aplikasinya (IRAJTMA) Vol 4 No 3 (2025): Desember
Publisher : CV. IRA PUBLISHING

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56862/irajtma.v4i3.362

Abstract

This study analyzes the effect of sieve size and operating parameters on seaweed grinding performance using a Disc Mill machine powered by a gasoline engine. The experiments were conducted using a constant initial material mass of 125 g with variations in sieve size (0.3 mm, 0.5 mm, and 0.8 mm) and rotational speed ranging from 2000 to 2400 RPM. The results indicate that sieve size significantly influences the amount and quality of flour produced. The highest flour yield of 79 g was obtained using a 0.8 mm sieve at 2200 RPM, while the lowest yield of 44 g was produced using a 0.5 mm sieve at 2400 RPM. Smaller sieve sizes improved particle fineness but reduced flour yield due to longer particle retention within the grinding chamber. The Disc Mill machine with a gasoline engine drive demonstrated good operational flexibility, particularly in areas without electricity access. Overall, the performance of the Disc Mill machine strongly depends on the appropriate selection of sieve size and operating parameters. These findings highlight the potential of Disc Mill technology to improve efficiency and product quality in seaweed flour processing.
Co-Authors Agus Mukhtar agus mukhtar Alfarisy, Abdul Aris Alfarisy Androva, Althesa Anggit Bayu Prabowo Aries Dwi Cahyono Endang Dian Rokhmawati Fajar Ahmad Shobrowi Fakhrudin, Anas Gostsa Khusnun Naufal, Gostsa Harto Nuroso Hendri Hermawan Adinugraha Hermana, Rifki Hisyam Ma’mun Ihsan Nur Roziqin Irfan Abd Rahim Irna Farikhah Joko Supriyanto Kurniawan, Tegar Lupito, Vemas Nandra Ma'mun, Hisyam Malik, Muchammad Ma’mun, Hisyam Moh Erwin Baharuddin Mubarok, M. Zakki Hilmi Muchamad Malik Muchtar, Agus Muhammad Amiruddin Muhammad Amiruddin Muhammad Zainuddin Oki Prio Rahim, Irfan Abd Rifki Hermana Rohman, Syahrul Mahfudli Rokhmawati, Endang Dian Rr Hawik Ervina Indiworo Slamet Supriyadi Slamet Supriyadi Sumarno Sumarno Sutarto Sutarto Ummi Kaltsum Utama, Dharma Wahyuhastuti, Novika Yuris Setyoadi Yuris Setyoadi