Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Journal of Applied Electrical Engineering

Keran Air Plug-in Otomatis Muhammad Rizki Romadhan; Adlian Jefiza; Muhammad Arifin; Ika Karlina Laila Nur Suciningtyas
Journal of Applied Electrical Engineering Vol 4 No 2 (2020): JAEE, December 2020
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaee.v4i2.2700

Abstract

alah satu upaya dalam penghematan air adalah dengan menggunakan air sehemat mungkin. Upaya tersebut dapat di lakukan dengan memanfaatkan sistem keran air otomatis. Keran akan menutup secara otomatis saat tidak diperlukan. Tujuan penelitian ini adalah membuat keran dengan sistem otomatis yang dapat menyala/mati sesuai dengan ada/tidaknya objek. Keran otomatis ini dibuat dengan menggunakan modul sensor infared (IR) untuk mendeteksi objek berupa tangan manusia. Pemrosesan data dilakukan menggunakan mikrokontroler Atmega328P. Motor servo MG996R digunakan untuk memutar katup pada ball valve yang terdapat di dalam pipa Polyvinyl Chloride (PVC) berdiameter ½ inci sehingga aliran air dapat dibuat on/off. Hasil percobaan menunjukkan bahwa keran otomatis ini dapat bekerja dengan baik dengan rentang penginderaan sensor 0 cm s.d 10 cm. Daya yang digunakan adalah 0.73072 W (pada saat stand-by) dan 0.712776 W (pada saat keran berputar). Tekanan minimum yang dibutuhkan adalah 0 Pa (Air tetap dapat mengalir walaupun tanpa adanya tekanan).
Identification Food Nutrition and Weight Prediction using Image Processing Sani, Abdullah; Silitonga, Ricky; Mishthafiyatillah, Mishthafiyatillah; Lalu Kaisar Wisnu Kita; Ika Karlina Laila Nur Suciningtyas; Ririn Humaera; Budiana , Budiana
Journal of Applied Electrical Engineering Vol. 9 No. 1 (2025): JAEE, June 2025
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaee.v9i1.9492

Abstract

Obesity is a global issue with rising prevalence each year, driven partly by excess nutrient and calorie intake. Identifying nutrient content in food is vital to prevent obesity. This research employs image processing, specifically the YOLO (You Only Look Once) algorithm, to classify and identify fruits and vegetables quickly and accurately. YOLO is advantageous for its speed and ability to classify multiple objects simultaneously. The goal is to develop a system that recognizes, classifies, and predicts the weight of fruits and vegetables, providing nutritional and calorie information. Tests showed that the system accurately detects produce under various lighting conditions—achieving 100% accuracy with additional ring light (600–650 lux) and 99.2% without extra lighting. Beyond object detection, the system predicts weight with an average error of 5.6% when illuminated. This technology has the potential to aid users in monitoring nutritional intake by providing reliable identification and calorie data, contributing to obesity prevention efforts.