Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : JURNAL CRANKSHAFT

Rancang Bangun Prototype Alat Pengukur Kualitas Air Sumur Berdasarkan Salinitas PH dan Kekeruhan Menggunakan Metode Fuzzy Logic Maulana, Ilham Rizki; Malik, Muchamad; Mukhtar, Agus
JURNAL CRANKSHAFT Vol 8, No 2 (2025): Jurnal Crankshaft Vol. 8 No. 2 (2025)
Publisher : Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24176/cra.v8i2.15133

Abstract

Air tanah merupakan sumber utama air bersih yang dimanfaatkan masyarakat untuk kebutuhan harian seperti mandi, mencuci, memasak, dan konsumsi. Namun, kualitas air sumur sering kali menurun akibat kontaminasi lingkungan seperti intrusi air laut, rembesan limbah domestik seperti rembesan septic tank, serta tingginya kandungan logam berat dan partikel tersuspensi. Masalah ini umum terjadi di daerah pesisir dan kawasan pemukiman padat dengan sanitasi yang kurang memadai. Penelitian ini bertujuan untuk merancang dan menguji prototype alat ukur kualitas air sumur dengan pendekatan fuzzy logic mamdani, yang mengklasifikasikan kualitas air ke dalam tiga kategori yaitu baik, cukup, dan buruk. Sistem dirancang menggunakan mikrokontroler ESP32 yang terintegrasi dengan sensor salinitas, pH, dan kekeruhan. Data ditampilkan secara real-time pada layar LCD. Pengujian dilakukan terhadap sampel air sumur di wilayah Kaligawe, Kota Semarang. Sensor salinitas menunjukkan akurasi 94,76% dengan kadar garam 1438 ppm, melebihi ambang batas air layak konsumsi. Sensor pH memiliki akurasi 92,90% dengan nilai pH 7,9, masih dalam rentang standar (6,5–8,5). Sensor kekeruhan mencatat akurasi 90,89% dengan nilai 10,6 NTU, di atas batas aman 5 NTU. Validasi dengan MATLAB menunjukkan deviasi rata-rata hanya 0,88%, menandakan sistem memiliki tingkat presisi yang sangat baik. Hasil menunjukkan bahwa air sumur tidak layak dikonsumsi karena tingginya kadar garam, sesuai dengan batasan dalam Permenkes No. 2 Tahun 2023.
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