Article Per Year (5 Year)
p-Index From 2021 - 2026
1.633
P-Index
This Author published in this journals
All Journal MEDIA ELEKTRIKA Setrum : Sistem Kendali-Tenaga-elektronika-telekomunikasi-komputer JURNAL NASIONAL TEKNIK ELEKTRO TRANSISTOR Elektro dan Informatika CYCLOTRON Indonesian Journal of Community Services JE-Unisla Jurnal Pengabdian kepada Masyarakat Nusantara JAST
Jenny Putri Hapsari
Universitas Islam Sultan Agung
Humanities Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mechanical Engineering Social Sciences

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search

 1   2 
AUDIT ENERGI LISTRIK GEDUNG BOTTOM 1 PT PARKLAND WORLD INDONESIA JEPARA Muhammad Abdul Muchlis; Dedi Nugroho; Jenny Putri Hapsari
MEDIA ELEKTRIKA Vol 16, No 1 (2023): MEDIA ELEKTRIKA
Publisher : PSTE UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/me.v16i01.9971

Abstract

Audit energi pada penelitian ini dilakukan di Gedung Bottom 1 PT Parkland World Indonesia Jepara. Pemilihan gedung Gedung Bottom 1 karena gedung tersebut adalah gedung dengan tingkat pemakai konsumsi energi listrik tertinggi di tahun 2019 yaitu 9090328.4 kWh atau 28% dari total konsumsi energi listrik PT Parkland Wrld Indonesia Jepara, dengan rata-rata 757527 kWh perbulannya.       Metode penelitian yang digunakan dalam penelitian ini adalah metodeobservasi dan konservasi energi. Dalam proses ini meliputi adanya audit energi, dimana pada awalproses audit energi sebelumnya dilakukan persiapan audit energi yaitu pertemuan pendahuluandan wawancara dengan karyawan yang dilanjutkan dengan survei gedung sehingga didapatkangambaran umum gedung dan sistem operasionalnya untuk melihat potensi peluang penghematanenergi. Audit dimulai dengan pengumpulan dan pengolahan data, selanjutnya melakukan analisisdan perhitungan nilai IKE gedung dimana dari hasil perhitungan, Gedung Bottom 1 masuk ke dalam kategori boros dengan nilai  kWh/  atau 26.9 kWh/ .      Peluang Pengehematan yang dilakukan di Gedung Bottom 1 adadua yaitu tanpa biaya dan biaya rendah (low cost). Penghematan tanpa biayaperbulan sebesar 1218.36 kWhjika dirupiahkan menjadi Rp 1311098.36, penghematan low cost perbulan sebesar 1393.92 kWh jikadirupiahkan menjadi Rp 1640675,52. Apabila semua penghematan dilakukan oleh pihak gedungmaka akan bisa menghemat energi sebesar 2612.28 atau biaya sebesar Rp 2951773.88 per bulannya.
Rancang Bangun Akses Pintu Otomatis Dengan Face Recognition Menggunakan Teachable Machine Berbasis Raspberry Pi ahmad taufik; Jenny Putri Hapsari
Jurnal JE-UNISLA : Electronic Control, Telecomunication, Computer Information and Power System Vol 11 No 1 (2026): MARET
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/je-unisla.v11i1.1629

Abstract

Peningkatan kebutuhan sistem keamanan rumah yang efektif dan ekonomis mendorong pemanfaatan teknologi biometrik sebagai pengganti kunci konvensional yang memiliki keterbatasan dalam aspek identifikasi pengguna. Penelitian ini bertujuan merancang dan mengimplementasikan sistem akses pintu otomatis berbasis face recognition menggunakan Raspberry Pi sebagai pengendali utama yang bekerja secara stand-alone tanpa server eksternal. Metode penelitian yang digunakan adalah eksperimental dengan integrasi algoritma Haar Cascade untuk deteksi wajah dan model deep learning berbasis Teachable Machine untuk klasifikasi wajah. Evaluasi sistem dilakukan menggunakan parameter precision, false positive, false negative, Intersection over Union (IoU), serta akurasi pengenalan dan penolakan akses. Hasil pengujian menunjukkan bahwa tahap deteksi wajah memperoleh nilai precision sebesar 93,33% dengan rata-rata IoU sebesar 0,95 yang mengindikasikan ketepatan tinggi dalam pelokasian wajah. Pada tahap pengenalan, sistem mencapai tingkat keberhasilan 82% untuk wajah terdaftar dan 86% dalam menolak wajah tidak terdaftar. Akurasi keseluruhan sistem berdasarkan matriks konfusi adalah 84%. Pengujian mekanik menunjukkan aktuator solenoid door lock berfungsi dengan tingkat keberhasilan 100% dengan mekanisme penguncian otomatis selama 5 detik. Kebaruan penelitian ini terletak pada implementasi model deep learning berbasis Teachable Machine yang dioptimalkan pada perangkat komputasi terbatas (Raspberry Pi) dengan evaluasi kuantitatif terukur. Hasil penelitian menunjukkan bahwa sistem layak diterapkan pada skala rumah tangga dengan kebutuhan keamanan berbasis biometrik berbiaya rendah.
Co-Authors A. Ashif Drika Maulabika Afrizal Rahmi Agus Adhi Nugroho ahmad taufik Arttini Dwi Prasetyowati Badie'ah Badie'ah Badieah Assegaf Budi Pramono Jati Bustanul Arifin Dedi Nugroho Eka Nuryanto Budi Susila Muhammad Abdul Muchlis Muhammad Faishol Muhammad Khosyi'in Muhammad Khosyiin Muhammad Khosyi’in Munaf Ismail Sri Arttini Dwi Prasetyawati