Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Indonesian Journal of Electronics and Instrumentation Systems
Lukman Awaludin
Universitas Gadjah Mada
Electrical & Electronics Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Sistem Peringatan Tingkat Kerentanan Bangunan Berbasis Sensor IMU dengan Metode Fuzzy Muhammad Fikri Ahsanandi; Lukman Awaludin
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 12, No 1 (2022): April
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijeis.70141

Abstract

Negara Indonesia merupakan salah satu negara yang memiliki potensi besar terhadap terjadinya gempa bumi. Bangunan yang merupakan salah satu infrastruktur yang sangat penting bagi kehidupan manusia, merupakan sasaran utama bagi bencana alam gempa bumi yang sering terjadi dan dapat menimbulkan kerusakan yang tidak terduga. Oleh karena itu, diperlukan sebuah sistem peringatan yang dapat mengukur dan mengamati getaran yang terjadi dengan besar tertentu untuk mengetahui tingkat kerentanan bangunan tersebut.Sistem ini menggunakan metode logika fuzzy Mamdani dengan proses defuzzyfikasi centroid. Logika fuzzy tersebut digunakan pada sistem peringatan untuk menentukan tingkat bahayanya. Masukan dari sistem terdiri dari nilai resonansi bangunan dan nilai simpangan bangunan. Masukan tersebut diperoleh dari pembacaan sensor IMU MPU6050. Proses defuzzyfikasi menghasilkan nilai keluaran crisp berupa rentang keputusan alarm. Data yang diolah dari pembacaan sensor ditampilkan dalam web server sebagai antarmuka.    Berdasarkan hasil pengujian sistem peringatan tingkat kerentanan pada purwarupa bangunan yang telah dilakukan, akurasi logika fuzzy mencapai 95% dari 20 kali pengambilan data. Sistem peringatan yang dirancang dapat berjalan secara real time. Secara keseluruhan proses mulai dari pembacaan sensor hingga akuisisi data dapat berjalan dengan baik.     
Penggunaan Pre-trained Model untuk Klasifikasi Kualitas Sekrup Muhammad Rafif; Diyah Utami Kusumaning Putri; Lukman Awaludin
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 12, No 2 (2022): Oktober
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijeis.78112

Abstract

Inspeksi kualitas produk berbasis citra merupakan hal yang penting bagi industri manufaktur. Tugas tersebut sebagian besar masih dilakukan oleh manusia yang memiliki unit per hour rendah. Metode konvensional untuk inspeksi citra masih mengandalkan metode berbasis fitur, yang memiliki masalah sulitnya generalisasi dan ekstraksi fitur. Masalah tersebut diatasi dengan metode CNN, tetapi CNN membutuhkan data yang besar dan waktu training yang lama. Penggunaan pre-trained model dan augmentasi citra dapat menyelesaikan permasalahan pada metode-metode sebelumnya. Namun, belum ada penelitian yang secara lengkap meneliti dan membandingkan performa berbagai pre-trained model dan variasi augmentasi citra untuk tugas inspeksi citra kualitas produk manufaktur.Proses penelitian menggunakan dataset sekrup berjenis multi class dan binary class pada 33 jenis pre-trained model dan 8 jenis augmentasi citra. Pengujian pre-trained model menggunakan dataset gabungan seluruh jenis augmentasi citra. Model dengan akurasi tertinggi adalah EfficientNetV2-L untuk dataset multi class (97.8%) dan VGG-19 untuk dataset binary class (96.5%). Augmentasi citra dengan signifikansi tertinggi terhadap performa model adalah blur, dengan akurasi 81.1% pada multi class dan 92% pada binary class. Keseluruhan proses pengujian pre-trained model dan augmentasi citra berjalan dengan baik. Kata kunci—Inspeksi kualitas produk, Pre-trained model, Augmentasi citra
Co-Authors Diyah Utami Kusumaning Putri Muhammad Fikri Ahsanandi Muhammad Rafif