Garuda - Garba Rujukan Digital

RANCANG BANGUN ELEKTROMIOGRAFI PERMUKAAN PORTABEL aulia el hakim; Hendrik Kusbandono; Fata Izzan Hafidz Jihaadi; Riska Widiyaningsih Fata
Jurnal Elektro dan Telekomunikasi Terapan (e-Journal) Vol 8 No 1 (2021): JETT Juli 2021
Publisher : Direktorat Penelitian dan Pengabdian Masyarakat, Universitas Telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/jett.v8i1.3844

Kelemahan otot merupakan kondisi ketika salah satu sisi tubuh mengalami kelemahan sehingga bagian tersebut sulit untuk digerakkan. Kelemahan otot umumnya dialami oleh pasien paska stroke atau pasien yang mengalami cidera otot. Akan tetapi penggunaan Electromyography hanya dapat digunakan oleh tenaga medis dan biayanya cukup mahal. Maka dari itu pembuatan surface Electromyography secara portabel ini ditujukan untuk membantu bagi pengguna dalam mengetahui kondisi kekuatan otot. Sinyal otot dapat dibaca dengan adanya elektroda permukaan yang terhubung dengan rangkaian Differential Amplifier, kemudian sinyal diolah dengan rangkaian Fiter: LPF, HPF dan Notch Filter untuk mengurangi noise, dan rangkaian adder untuk menaikkan sinyal agar dapat dibaca adc yang terhubung dengan raspberry pi dan dapat dikoneksikan melalui bluetooth. Pengujian alat keseluruhan Surface Electromyography mampu membaca dan menampilkan sinyal pada raspberry pi dan dapat mengetahui jenis gerakan dengan menggunakan metode FFT dan MPF. Jenis gerakan fleksi mempunyai nilai MPF kurang dari 180Hz dan gerakan ekstensi mempunyai nilai MPF lebih dari 180Hz

SISTEM ANALISA KERUSAKAN JALAN MENGGUNAKAN METODE SURFACE DISTRESS INDEX (SDI): SISTEM ANALISA KERUSAKAN JALAN MENGGUNAKAN METODE SURFACE DISTRESS INDEX (SDI) Haninditio Bagus Septiansyah; Sulfan Bagus Setyawan; Hanum Arrosida; Denny Hardiyanto; Aulia El Hakim; Adji Barru Prasetiyo; Deni Nur Fauzi
JEECAE (Journal of Electrical, Electronics, Control, and Automotive Engineering) Vol. 10 No. 1 (2025): JOURNAL OF ELECTRICAL, ELECTRONICS, CONTROL, AND AUTOMOTIVE ENGINEERING (JEECA
Publisher : Pengelolaan Penerbitan Publikasi Ilmiah (P3I) Politeknik Negeri Madiun

Show Abstract | Download Original | Original Source | Check in Google Scholar

Kecelakaan lalu lintas merupakan penyebab kematian dengan tingkat fatalitas tinggi melibatkan kendaraan bermotor bertabrakan dengan benda lain sehingga mengakibatkan kerusakan hingga korban jiwa. Salah satu penyebab kecelakaan lalu lintas adalah kerusakan jalan yang tidak mendapatkan perawatan dan penanganan. Kerusakan jalan juga memiliki dampak negatif terhadap aktivitas masyarakat baik ekonomi dan non ekonomi serta, ketidaknyamanan dalam berkendara, serta peningkatan emisi gas. Untuk menekan angka kecelakaan dan dampak negatif yang ditimbulkan oleh kerusakan jalan, telah dikembangkan beberapa sistem terkait informasi dan pemetaan kerusakan jalan, namun masih memiliki beberapa kekurangan diantaranya input data manual dan tidak terdapat analisis kerusakan jalan. Berdasarkan permasalahan tersebut diperlukan sebuah sistem yang dapat menganalisis berdasarkan data yang masuk pada database. Oleh karena itu penulis mengusulkan Sistem Analisa Kerusakan Jalan Menggunakan Metode Surface Distress Index (SDI). Pada sistem website terdapat fitur yang akan memudahkan Dinas Pekerjaan Umum dalam monitoring data kerusakan jalan seperti analisis data berdasarkan hasil deteksi dan estimasi area. Analisis kerusakan jalan menggunakan metode Surface Distress Indeks dengan hasil indeks <50 kondisi baik dan membutuhkan penanganan rutin, indeks 50-100 kondisi sedang dan membutuhkan penanganan rutin, indeks 100-150 kondisi rusak ringan dan membutuhkan penanganan berkala, indeks >150 kondisi rusak berat dan membutuhkan penanganan rekonstruksi atau peningkatan.

SISTEM DETEKSI DAN ESTIMASI DIMENSI MENGGUNAKAN METODE DEEP LEARNING DAN ADAPTIVE ROI Arfian Iqbal Fatkhulhuda; Sulfan Bagus Setyawan; Hanum Arrosida; Denny Hardiyanto; Aulia El Hakim; Nadia Ilmiya Maulinda; Deni Nur Fauzi
JEECAE (Journal of Electrical, Electronics, Control, and Automotive Engineering) Vol. 10 No. 1 (2025): JOURNAL OF ELECTRICAL, ELECTRONICS, CONTROL, AND AUTOMOTIVE ENGINEERING (JEECA
Publisher : Pengelolaan Penerbitan Publikasi Ilmiah (P3I) Politeknik Negeri Madiun

Show Abstract | Download Original | Original Source | Check in Google Scholar

Kerusakan jalan merupakan salah satu faktor penyebab kecelakaan lalu lintas. Berdasarkan data Dit Lantas Polda Metro Jaya, tercatat 40 kasus kecelakaan, dengan rincian 12 kasus disebabkan oleh jalan rusak, 15 kasus akibat jalan berlubang, 11 kasus karena jalan licin, dan 2 kasus terkait tidak adanya rambu serta tikungan tajam. Selain menyebabkan kecelakaan, kondisi jalan yang rusak juga berdampak negatif terhadap perekonomian masyarakat dan memperlambat akses transportasi, sehingga mengurangi kenyamanan pengguna jalan. Untuk mengatasi permasalahan ini dan menekan angka kecelakaan akibat kerusakan jalan, diperlukan upaya inovatif. Salah satu solusinya adalah pemanfaatan Tensorflow untuk mendeteksi kerusakan jalan secara realtime, yang memungkinkan pengiriman data kerusakan beserta lokasinya. Namun, teknologi ini belum mampu memperkirakan dimensi kerusakan. Oleh karena itu, penulis mengusulkan “Sistem Deteksi dan Estimasi Dimensi Menggunakan Metode Deep Learning dan Adaptive Roi”. Sistem ini menggunakan kamera untuk menangkap gambar kerusakan jalan, yang kemudian diproses oleh Mini PC. Data diproses dengan Framework PyTorch Object Detection dengan YOLOv5s. Setelah mengidentifikasi jenis kerusakan jalan, Area Estimation System akan digunakan untuk melakukan proses estimasi area pada kerusakan jalan. Selanjutnya, data akan dikirim ke cloud server. Dari hasil pengujian seluruh sistem yang telah dilakukan, sistem deteksi dapat melakukan pengujian seluruh sistem secara realtime dan mengidentifikasi jenis kerusakan seperti retak memanjang, retak melintang, retak kulit buaya, alur bekas roda, dan lubang presentasi dengan nilai Accuracy sebesar 83,07%, Precision sebesar 0,92, Recall sebesar 0,89, dan F1-Score sebesar 90,4%. Sistem juga dapat menghitung estimasi area dengan kesalahan 24,6 cm pada lebar, 27,6 cm pada Panjang dan 4,82 mm pada kedalaman.

Implementasi Model Deep Q-Network untuk Deteksi Getaran dan Klasifikasi Kerusakan Rel pada Train-Based Monitoring System Aulia El Hakim; Mohammad Erik Echsony; R. Gaguk Pratama Yudha; Ricto Yudi Wicaksono
JEECAE (Journal of Electrical, Electronics, Control, and Automotive Engineering) Vol. 10 No. 2 (2025): JOURNAL OF ELECTRICAL, ELECTRONICS, CONTROL, AND AUTOMOTIVE ENGINEERING (JEECA
Publisher : Pengelolaan Penerbitan Publikasi Ilmiah (P3I) Politeknik Negeri Madiun

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32486/jeecae.v10i2.1136

Peningkatan keandalan infrastruktur perkeretaapian menuntut sistem pemantauan yang mampu mengenali pola getaran secara adaptif untuk mendeteksi kerusakan rel secara real-time. Penelitian ini menerapkan algoritma Deep Q-Network (DQN) sebagai agen cerdas tunggal dalam Train-Based Monitoring System (TBMS) untuk mengklasifikasikan jenis kerusakan rel berdasarkan pola getaran dari sensor bogie depan, bogie belakang, dan sensor inersia longitudinal. Dataset sintetis dibangun dari nilai Root Mean Square (RMS) amplitudo getaran yang mewakili energi vibrasi per segmen waktu. Hasil pengujian menunjukkan bahwa model DQN mencapai akurasi klasifikasi 87,8% dengan macro F1-score 0,875. Kinerja terbaik diperoleh pada kelas severe transverse crack (F1 = 1,000) dan defect (F1 = 0,999), sedangkan performa terendah terdapat pada kelas head crack (F1 = 0,522). Analisis Confusion Matrix ternormalisasi memperlihatkan dominasi diagonal utama dengan kesalahan klasifikasi rendah, menandakan kemampuan model dalam membedakan pola getaran secara presisi. Analisis SHapley Additive exPlanations (SHAP) menunjukkan bahwa sensor getaran bogie depan memberikan kontribusi tertinggi terhadap keputusan model sebesar 52,3%, diikuti oleh sensor IMU longitudinal 31,7%, dan sensor bogie belakang 16,0%. Hasil ini menegaskan bahwa pola getaran awal pada roda depan merupakan indikator paling signifikan dalam mendeteksi kerusakan rel, sedangkan dua sensor lainnya berperan sebagai sinyal pendukung untuk meningkatkan stabilitas prediksi model.

Pengembangan Sistem Kendali Pasteurisasi Susu Sapi Metode High Temperature Short Time Menggunakan PLC Outseal Nano Dan Sensor RTD PT100 Aulia El Hakim; Rajwa Danendra Nicotian Wibowo; Ricto Yudi Wicaksono
JEECAE (Journal of Electrical, Electronics, Control, and Automotive Engineering) Vol. 11 No. 1 (2026): JOURNAL OF ELECTRICAL, ELECTRONICS, CONTROL, AND AUTOMOTIVE ENGINEERING (JEECA
Publisher : Pengelolaan Penerbitan Publikasi Ilmiah (P3I) Politeknik Negeri Madiun

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32486/jeecae.v11i1.1137

Pasteurisasi susu merupakan proses pemanasan pada suhu dan durasi tertentu untuk menonaktifkan bakteri patogen tanpa menurunkan kualitas nutrisi secara signifikan. Pada sebagian besar Usaha Mikro, Kecil, dan Menengah, proses pasteurisasi masih dilakukan secara manual sehingga pengendalian suhu sangat bergantung pada operator dan berpotensi menyebabkan ketidakstabilan temperatur selama proses berlangsung. Penelitian ini bertujuan mengembangkan sistem kendali pemanasan otomatis berbasis PLC Outseal Nano untuk proses pasteurisasi susu menggunakan metode High Temperature Short Time. Sistem dirancang menggunakan sensor RTD PT100 sebagai pengukur suhu secara real-time, dilengkapi mekanisme water jacket untuk menghasilkan pemanasan tidak langsung serta motor pengaduk untuk meningkatkan pemerataan distribusi panas. Hasil pengujian menunjukkan bahwa sensor RTD PT100 memiliki selisih pengukuran maksimum sebesar 0,5°C dibandingkan termometer TP101. Sistem juga mampu mempertahankan overshoot suhu pada kisaran 0,30 hingga 0,34°C selama proses pemanasan. Implementasi PLC Outseal Nano berhasil mengendalikan seluruh logika proses pasteurisasi secara real-time, sehingga sistem yang dikembangkan berpotensi menjadi solusi kendali pasteurisasi dengan biaya rendah dan kinerja yang bagi UMKM pengolahan susu

Pengembangan Mesin Penutup Botol Susu Otomatis Berbasis PLC Outseal Nano untuk Meningkatkan Efisiensi Produksi UMKM Aulia El Hakim; Sandi Aditya Ferdiansyah; Ricto Yudi Wicaksono
JEECAE (Journal of Electrical, Electronics, Control, and Automotive Engineering) Vol. 11 No. 1 (2026): JOURNAL OF ELECTRICAL, ELECTRONICS, CONTROL, AND AUTOMOTIVE ENGINEERING (JEECA
Publisher : Pengelolaan Penerbitan Publikasi Ilmiah (P3I) Politeknik Negeri Madiun

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32486/jeecae.v11i1.1138

Proses penutupan botol pada industri pengolahan susu skala Usaha Mikro, Kecil, dan Menengah (UMKM) masih didominasi oleh metode manual yang berdampak pada rendahnya efisiensi produksi, tingginya beban kerja operator, serta ketidakkonsistenan kualitas penyegelan kemasan. Penelitian ini bertujuan mengembangkan mesin penutup botol susu otomatis berbasis PLC Outseal Nano V5 sebagai solusi otomasi untuk botol berkapasitas 250 mL. Mesin dikembangkan dengan mengintegrasikan PLC Outseal Nano V5 sebagai pengendali utama, sensor proximity, mekanisme sliding cup, konveyor, dan motor DC untuk mendukung proses penutupan botol secara otomatis. Hasil pengujian menunjukkan bahwa seluruh fungsi sistem bekerja dengan tingkat keberhasilan 100% pada 15 kali pengujian. Pengaturan timer PLC selama 5 detik menghasilkan kualitas penyegelan terbaik dengan waktu operasi aktual antara 5,2 hingga 5,4 detik. Analisis menggunakan metode Z-score menghasilkan rentang nilai antara −1,41 hingga +1,41 yang menunjukkan bahwa sistem memiliki tingkat kestabilan dan konsistensi operasi yang baik. Hasil penelitian menunjukkan bahwa mesin yang dikembangkan berpotensi meningkatkan efisiensi dan kualitas proses pengemasan susu pada industri pengolahan susu skala UMKM.

SISTEM ANALISA KERUSAKAN JALAN MENGGUNAKAN METODE SURFACE DISTRESS INDEX (SDI): SISTEM ANALISA KERUSAKAN JALAN MENGGUNAKAN METODE SURFACE DISTRESS INDEX (SDI) Haninditio Bagus Septiansyah; Sulfan Bagus Setyawan; Hanum Arrosida; Denny Hardiyanto; Aulia El Hakim; Adji Barru Prasetiyo; Deni Nur Fauzi
JEECAE (Journal of Electrical, Electronics, Control, and Automotive Engineering) Vol. 10 No. 1 (2025): JOURNAL OF ELECTRICAL, ELECTRONICS, CONTROL, AND AUTOMOTIVE ENGINEERING (JEECA
Publisher : Pengelolaan Penerbitan Publikasi Ilmiah (P3I) Politeknik Negeri Madiun

Show Abstract | Download Original | Original Source | Check in Google Scholar

Kecelakaan lalu lintas merupakan penyebab kematian dengan tingkat fatalitas tinggi melibatkan kendaraan bermotor bertabrakan dengan benda lain sehingga mengakibatkan kerusakan hingga korban jiwa. Salah satu penyebab kecelakaan lalu lintas adalah kerusakan jalan yang tidak mendapatkan perawatan dan penanganan. Kerusakan jalan juga memiliki dampak negatif terhadap aktivitas masyarakat baik ekonomi dan non ekonomi serta, ketidaknyamanan dalam berkendara, serta peningkatan emisi gas. Untuk menekan angka kecelakaan dan dampak negatif yang ditimbulkan oleh kerusakan jalan, telah dikembangkan beberapa sistem terkait informasi dan pemetaan kerusakan jalan, namun masih memiliki beberapa kekurangan diantaranya input data manual dan tidak terdapat analisis kerusakan jalan. Berdasarkan permasalahan tersebut diperlukan sebuah sistem yang dapat menganalisis berdasarkan data yang masuk pada database. Oleh karena itu penulis mengusulkan Sistem Analisa Kerusakan Jalan Menggunakan Metode Surface Distress Index (SDI). Pada sistem website terdapat fitur yang akan memudahkan Dinas Pekerjaan Umum dalam monitoring data kerusakan jalan seperti analisis data berdasarkan hasil deteksi dan estimasi area. Analisis kerusakan jalan menggunakan metode Surface Distress Indeks dengan hasil indeks <50 kondisi baik dan membutuhkan penanganan rutin, indeks 50-100 kondisi sedang dan membutuhkan penanganan rutin, indeks 100-150 kondisi rusak ringan dan membutuhkan penanganan berkala, indeks >150 kondisi rusak berat dan membutuhkan penanganan rekonstruksi atau peningkatan.

SISTEM DETEKSI DAN ESTIMASI DIMENSI MENGGUNAKAN METODE DEEP LEARNING DAN ADAPTIVE ROI Arfian Iqbal Fatkhulhuda; Sulfan Bagus Setyawan; Hanum Arrosida; Denny Hardiyanto; Aulia El Hakim; Nadia Ilmiya Maulinda; Deni Nur Fauzi
JEECAE (Journal of Electrical, Electronics, Control, and Automotive Engineering) Vol. 10 No. 1 (2025): JOURNAL OF ELECTRICAL, ELECTRONICS, CONTROL, AND AUTOMOTIVE ENGINEERING (JEECA
Publisher : Pengelolaan Penerbitan Publikasi Ilmiah (P3I) Politeknik Negeri Madiun

Show Abstract | Download Original | Original Source | Check in Google Scholar

Kerusakan jalan merupakan salah satu faktor penyebab kecelakaan lalu lintas. Berdasarkan data Dit Lantas Polda Metro Jaya, tercatat 40 kasus kecelakaan, dengan rincian 12 kasus disebabkan oleh jalan rusak, 15 kasus akibat jalan berlubang, 11 kasus karena jalan licin, dan 2 kasus terkait tidak adanya rambu serta tikungan tajam. Selain menyebabkan kecelakaan, kondisi jalan yang rusak juga berdampak negatif terhadap perekonomian masyarakat dan memperlambat akses transportasi, sehingga mengurangi kenyamanan pengguna jalan. Untuk mengatasi permasalahan ini dan menekan angka kecelakaan akibat kerusakan jalan, diperlukan upaya inovatif. Salah satu solusinya adalah pemanfaatan Tensorflow untuk mendeteksi kerusakan jalan secara realtime, yang memungkinkan pengiriman data kerusakan beserta lokasinya. Namun, teknologi ini belum mampu memperkirakan dimensi kerusakan. Oleh karena itu, penulis mengusulkan “Sistem Deteksi dan Estimasi Dimensi Menggunakan Metode Deep Learning dan Adaptive Roi”. Sistem ini menggunakan kamera untuk menangkap gambar kerusakan jalan, yang kemudian diproses oleh Mini PC. Data diproses dengan Framework PyTorch Object Detection dengan YOLOv5s. Setelah mengidentifikasi jenis kerusakan jalan, Area Estimation System akan digunakan untuk melakukan proses estimasi area pada kerusakan jalan. Selanjutnya, data akan dikirim ke cloud server. Dari hasil pengujian seluruh sistem yang telah dilakukan, sistem deteksi dapat melakukan pengujian seluruh sistem secara realtime dan mengidentifikasi jenis kerusakan seperti retak memanjang, retak melintang, retak kulit buaya, alur bekas roda, dan lubang presentasi dengan nilai Accuracy sebesar 83,07%, Precision sebesar 0,92, Recall sebesar 0,89, dan F1-Score sebesar 90,4%. Sistem juga dapat menghitung estimasi area dengan kesalahan 24,6 cm pada lebar, 27,6 cm pada Panjang dan 4,82 mm pada kedalaman.

Rancang Bangun Sistem Kendali Suhu Inkubasi Yoghurt Otomatis Berbasis Internet Of Things Aulia El Hakim; Khoiril Musthofa; Liya Yuni Astutik; Dahris Shahab; Sukamto; Fachruddin Ari Setiawan
JEECAE (Journal of Electrical, Electronics, Control, and Automotive Engineering) Vol. 11 No. 2 (2026): JOURNAL OF ELECTRICAL, ELECTRONICS, CONTROL, AND AUTOMOTIVE ENGINEERING (JEECA
Publisher : Pengelolaan Penerbitan Publikasi Ilmiah (P3I) Politeknik Negeri Madiun

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32486/jeecae.v11i2.1223

Proses fermentasi yoghurt sangat dipengaruhi oleh kestabilan suhu inkubasi agar pertumbuhan Lactobacillus bulgaricus dan Streptococcus thermophilus berlangsung optimal. Pada UMKM Susu Twozull di Kabupaten Madiun, proses inkubasi sebelumnya dilakukan secara manual sehingga suhu berfluktuasi dan waktu fermentasi mencapai 9–10 jam. Penelitian ini merancang dan menguji sistem kendali suhu inkubasi yoghurt berbasis Internet of Things (IoT) menggunakan ESP32, sensor DHT22, RTC DS3231, relay, heater PTC 12 V, serta aplikasi Android berbasis Kodular dan Firebase Realtime Database. Sistem diuji pada kapasitas 12 liter dengan durasi fermentasi 8 jam. Hasil pengujian menunjukkan bahwa pembacaan DHT22 pada suhu ruang memiliki selisih rata-rata 0,05 °C terhadap termometer acuan. Kendali jarak jauh menghasilkan waktu tunda rata-rata 6,8 detik dari perintah aplikasi hingga heater aktif. Selama lima pengujian fermentasi, suhu rata-rata mencapai 42,49 °C dengan standar deviasi 0,208 °C. Uji t satu sampel menunjukkan tidak terdapat perbedaan signifikan terhadap setpoint 42,5 °C (t = −0,108; p = 0,920). Nilai pH yoghurt rata-rata 3,69 juga tidak berbeda signifikan dari acuan 3,65 (t = 0,229; p = 0,834). Hasil ini membuktikan bahwa sistem kontrol suhu berbasis ESP32 dan IoT mampu bekerja otomatis, real-time, serta stabil dalam menjaga suhu fermentasi yoghurt

Title

Found 9 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 9 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 9 Documents
Search