Article Per Year (5 Year)
p-Index From 2020 - 2025
5.386
P-Index
This Author published in this journals
All Journal ComEngApp : Computer Engineering and Applications Journal Jurnal Teliska Bulletin of Electrical Engineering and Informatics Sinergi Annual Research Seminar Proceeding of the Electrical Engineering Computer Science and Informatics VOLT : Jurnal Ilmiah Pendidikan Teknik Elektro Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Journal of Applied Smart Electrical Network and System (JASENS) Jurnal Rekayasa Elektro Sriwijaya International Journal of Research in Vocational Studies (IJRVOCAS) Aptekmas : Jurnal Pengabdian Kepada Masyarakat Sriwijaya Electrical and Computer Engineering (Selco) Journal
Yurni Oktarina
Politeknik Negeri Sriwijaya
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 39 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 39 Documents
Search

 1   2   3   4 
Navigating Arm Robot Motion with Vision via Image Processing Risma, Pola; Dewi, Tresna; Anggraini, Citra; Nawawi, Muhammad; Oktarina, Yurni
International Journal of Research in Vocational Studies (IJRVOCAS) Vol. 4 No. 1 (2024): IJRVOCAS - April
Publisher : Yayasan Ghalih Pelopor Pendidikan (Ghalih Foundation)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53893/ijrvocas.v4i1.269

Abstract

The integration of vision-based technology in daily life has been perceived in recent years. The wide range of robot implementations, including agriculture, necessitates the installation of the eye to fully function and substitute the human eye. Camera and image processing work hand in hand in realizing the idea of automatic labor in daily life. This paper presents an arm robot navigated by image processing inputs from objects' coordinate positions. The robot is assigned to pick and place red tomatoes within different lighting and positions. The robot can sort the red tomatoes and ignore the green tomatoes. Inverse kinematics analysis is included to show the effectiveness of the proposed method. This robot is ideal for agricultural settings to sort the harvested fruit.
Integrating Temporal and Feedforward Models for Solar Energy Prediction: LSTM and ANN Hybrid Approaches Oktarina, Yurni; Zainuddin Nawawi; Bhakti Yudho Suprapto; Tresna Dewi
International Journal of Research in Vocational Studies (IJRVOCAS) Vol. 4 No. 2 (2024): IJRVOCAS - August
Publisher : Yayasan Ghalih Pelopor Pendidikan (Ghalih Foundation)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53893/ijrvocas.v4i2.317

Abstract

The increasing reliance on renewable energy, particularly solar power, necessitates accurate models for predicting energy output to optimize storage and distribution systems. Traditional methods such as Long Short-Term Memory (LSTM) networks and Artificial Neural Networks (ANNs) offer unique strengths in forecasting photovoltaic (PV) system outputs. LSTM excels in capturing temporal dependencies in time-series data, while ANNs effectively model nonlinear relationships between variables. This study aims to develop and evaluate a hybrid LSTM-ANN model for improving the accuracy of PV energy output predictions, focusing on voltage, power, and irradiance. Using data collected from a solar-powered greenhouse in Talang Kemang, Indonesia, the model was trained and validated. The hybrid model demonstrated significant improvements in prediction accuracy. For voltage, the model achieved a Mean Absolute Error (MAE) of 0.1016 and a Root Mean Squared Error (RMSE) of 0.1417, while irradiance predictions resulted in an MAE of 0.0895 and RMSE of 0.1149. Power predictions also yielded strong results, with an MAE of 0.1506 and RMSE of 0.1954. These results highlight the hybrid LSTM-ANN model's effectiveness in combining temporal and nonlinear data processing capabilities, leading to superior accuracy in predicting PV system outputs. This approach can enhance the reliability of energy forecasting models, enabling better integration of solar power into electrical grids. The model holds promise for broader applications in renewable energy systems, improving their efficiency and sustainability
Implementasi Image Processing pada Robot Pertanian Alkausar, Muhammad Fajri; Dewi, Tresna; Oktarina, Yurni
Journal of Applied Smart Electrical Network and Systems Vol 3 No 02 (2022): Vol 3 No 02 (2022): Vol 3 No 2 : December 2022
Publisher : Indonesian Society of Applied Science (ISAS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52158/jasens.v3i02.507

Abstract

Penelitian ini menggunakan penelitian riset. Permasalahan pada penelitian ini ialah bagaimana robot pemantau mendeteksi objek yang berada didepannya. Penelitian ini bertujuan untuk mempelajari sistem deteksi robot pemantau dengan menggunakan metode Image Segmentation. Subjek yang digunakan dalam penelitian ini ialah tanaman dilahan pertanian green house. Sedangkan teknik pengumpulan data yang digunakan adalah observasi dan wawancara secara langsung di lapangan. Hasil dari penelitian ini adalah sebuah gambar yang dihasilkan oleh kamera, lalu ditampilkan pada layar monitor ataupun HP agar para pemantau dan petani dapat melihat hasil yang diperoleh. Lalu, kamera ini bisa digunakan untuk memprediksi atau memberikan kejelasan kepada para pemantau agar dapat dianalisa dan dilihat apakah tanaman tersebut telah sesuai dengan waktu yang ditentukan, contohnya melihat apakah tanaman tersebut siap untuk dipanen maupun melihat tanaman tersebut tumbuh dengan baik atau tidak. Selain itu, penelitian ini bertujuan untuk meringankan pekerjaan para petani pada saat melakukan pemantauan disiang hari jika pada hari tersebut tidak dapat dipantau secara manual.
Implementasi Pengolahan Citra Menggunakan Metode YOLO pada Security Robot dibidang Pertanian Auliya, Annisa; Dewi, Tresna; Oktarina, Yurni; Noer, Mohammad Nawawi
Journal of Applied Smart Electrical Network and Systems Vol 3 No 02 (2022): Vol 3 No 02 (2022): Vol 3 No 2 : December 2022
Publisher : Indonesian Society of Applied Science (ISAS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52158/jasens.v3i02.508

Abstract

Greenhouse merupakan salah satu bentuk solusi pertanian modern untuk membudidayakan tanaman yang tidak sesuai dengan iklim tropis, khususnya di Indonesia. Namun, pembangunan greenhouse itu sendiri memerlukan biaya yang cukup mahal. Sumber daya perangkat elektronik yang diperoleh dari panel surya digunakan untuk menyediakan pasokan listrik kepada perangkat elektronik seperti exhaust fan, panel surya, dan perangkat lainnya. Sayangnya, sering kali terjadi kasus-kasus orang yang tidak bertanggung jawab melakukan pencurian atau merusak properti dan tanaman di area sekitar greenhouse, yang dapat merugikan petani. Penelitian ini bertujuan untuk mendeteksi objek (manusia) yang melintas di sekitar greenhouse, peneliti menggunakan teknik pengolahan citra sebagai mata robot untuk mendeteksi manusia di mana objek selain manusia diabaikan. Metode yang digunakan dalam penelitian ini adalah YOLOv3-tiny, yang merupakan metode pembaharuan dari Convolutional Neural Network (CNN). YOLOv3-tiny akan melakukan prediksi terhadap objek yang akan dideteksi dengan bounding box sebagai output. Selanjutnya, YOLOv3-tiny akan memilih bounding box yang paling sesuai dalam memprediksi objek. Hasil pengujian menunjukkan bahwa robot mampu mendeteksi objek berupa manusia, serta menghitung akurasi kinerja model.
Implementasi Neural Network dalam Mengendalikan Input dan Output pada Penyiraman dan Pemupukan Tanaman Otomatis Berbasis IoT Juwita, Aulia Ratna; Dewi, Tresna; Oktarina, Yurni
Journal of Applied Smart Electrical Network and Systems Vol 3 No 02 (2022): Vol 3 No 02 (2022): Vol 3 No 2 : December 2022
Publisher : Indonesian Society of Applied Science (ISAS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52158/jasens.v3i02.519

Abstract

Agriculture is an important sector in human life. However, in practice, agriculture still faces many challenges such as difficulties in optimally controlling watering and fertilizing crops. To overcome this problem, an automatic plant watering and fertilizing system was developed as an alternative solution. This system can help farmers control watering and fertilizing plants automatically and optimally based on soil and plant conditions measured by sensors. In practice, automation systems for watering and fertilizing plants usually still use simple rules based on the experience or theory of farmers. Therefore, the implementation of a neural network in an automated system of watering and fertilizing plants can help predict irrigation needs for plants accurately and control watering and fertilizing automatically. To prove the effectiveness of the proposed method, testing was carried out using the Neuroph Studio application. From the test results, the total error results for the tool in controlling the output are less than 0.01 of the desired output value. These results are good and indicate that the neural network is an effective method of choice as a learning parameter. In addition, by using IoT technology, the automation system can be connected to the internet, so that it can be accessed remotely and monitored in real-time. This makes it easier for users to control the automation system and monitor the state of the plants.
Implementasi Fuzzy Logic dalam Mengendalikan Input dan Output pada Penyiraman dan Pemupukan Tanaman Otomatis Berbasis IoT Rinaldi, Rinaldi; Dewi, Tresna; Oktarina, Yurni
Journal of Applied Smart Electrical Network and Systems Vol 3 No 02 (2022): Vol 3 No 02 (2022): Vol 3 No 2 : December 2022
Publisher : Indonesian Society of Applied Science (ISAS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52158/jasens.v3i02.520

Abstract

Salah satu tantangan dalam pertanian adalah masalah penyiraman dan pemupukan tanaman. Sebagian besar proses penyiraman dan pemupukan tanaman dilakukan secara konvensional. Penelitian ini menyajikan model sistem penyiraman dan pemupukan tanaman otomatis berbasis Internet of Things (IoT) menggunakan metode fuzzy mamdani untuk mempermudah melakukan penyiraman dan pemupukan tanaman. Paper ini membahas desain alat penyiraman dan pemupukan tanaman yang akan diaplikasikan pada bidang pertanian untuk menggantikan petani dalam menyiram dan memupuk tanaman, contohnya buah cabai. Paper ini menyajikan desain mekanis, elektris, dan mengaplikasikan Fuzzy Logic Controller sebagai kecerdasan buatan berbasis IoT.
Analisis Pertumbuhan Tanaman Bayam Brazil: Perbandingan Antara Metode YOLOv5 pada Pertanian Vertikal dan Horizontal Azhar, M. Sayid; Dewi, Tresna; Oktarina, Yurni
Journal of Applied Smart Electrical Network and Systems Vol 4 No 2 (2023): Vol 4 No 2 (2023): Desember 2023
Publisher : Indonesian Society of Applied Science (ISAS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52158/jasens.v4i2.784

Abstract

Bayam brazil (Alternanthera sissoo) merupakan salah satu jenis sayuran yang mulai banyak dicari oleh masyarakat Indonesia. Usaha pengembangan bayam brazil dapat ditempuh melalui budidaya secara hidroponik guna menghasilkan tanaman yang berkualitas unggul. Penelitian ini bertujuan untuk mengetahui perbandingan pertanian vertikal dan horizontal mana yang terbaik bagi pertumbuhan bayam brazil secara hidroponik. Pertanian vertikal dan horizontal merupakan proses inovatif dalam mengoptimalkan penggunaan lahan dan sumber daya alam yang efisien. Proses perbandingan akan menggunakan proses pengolahan citra, dengan dukungan teknologi citra digital ini, akan memudahkan untuk membandingkan pertumbuhan tanaman dalam kedua sistem. Penelitian ini mengeksplorasi penggunaan pengolahan citra untuk mendapatkan wawasan mendalam tentang keunggulan dan tantangan masing-masing sistem, dengan harapan memberikan kontribusi signifikan untuk pengembangan pertanian yang lebih berkelanjutan dan efisien di masa depan
Analisa Prediksi Tegangan Input Sensor Capacitive Soil Moisture dengan Random Forest untuk Mendukung Pertanian Pintar Mardiyati, Elsa Nurul; Dewi, Tresna; Oktarina, Yurni
Journal of Applied Smart Electrical Network and Systems Vol 4 No 2 (2023): Vol 4 No 2 (2023): Desember 2023
Publisher : Indonesian Society of Applied Science (ISAS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52158/jasens.v4i2.787

Abstract

Saat ini, pertanian di Indonesia telah memasuki era Generasi 4.0 dengan fokus utama pada transformasi, pengembangan, dan pemanfaatan teknologi di bidang pertanian. Dengan memanfaatkan kemajuan teknologi, terutama Internet of Things (IoT), robotika, mikrokontroler, dan teknologi lainnya. Sektor pertanian di Indonesia saat ini sedang berada pada transformasi pertanian tradisional menuju pertanian cerdas. Kolaborasi teknologi, khususnya penggunaan sensor untuk mendeteksi kelembapan tanah, menjadi solusi penting dalam mendukung konsep pertanian berkelanjutan. Greenhouse, atau sering disebut sebagai rumah kaca, menjadi infrastruktur khusus untuk pertanian yang mengadopsi teknologi. Greenhouse memerlukan pemantauan variabel tertentu, seperti temperatur, kelembaban udara, dan intensitas cahaya, untuk menjaga kondisi tanaman yang dibudidayakan. Dalam konsep pertanian pintar, greenhouse dapat dilengkapi dengan berbagai teknologi, seperti penggunaan sensor suhu dan kelembapan udara, yang mempermudah petani dalam menjaga kondisi tanaman. Salah satu sensor yang dapat digunakan untuk mendeteksi kelembapan tanah adalah Sensor Capcitive Soil Moisture, dimana pada saat sensor tersebut mendeteksi kurangnya kelembapan pada tanah, maka sensor tersebut akan memberikan sinyal untuk menghidupkan pompa. Sensor ini tentu saja memerlukan input dalam menghidupkan pompa, dimana tegangan tersebut memiliki nilai yang berbeda-beda disetiap aksinya dalam menghidupkan pompa. Oleh karena itu, diperlukannya pendekatan prediksi dan pembuktian dengan bantuan optimalisasi untuk memprediski input sensor agar dapat terus mendukung kelancaran keberlangsungan pertanian pada greenhouse. Dalam memprediksi Tegangan Input Sensor Capcitive Soil Moisture ini menggunakan Random Forest menghasilkan prediksi input sensor kedepannya. Hasil pengujian menggunakan random forest dan linear regression menunjukkan angka akurasi 100% atau 1,00 yang prediksi di tampilkan dengan grafik ROC.
Prediksi Temperatur Lingkungan dengan Recurrent Neural Network Menggunakan Data Historis Iradiasi Matahari Rahman, Raihan Aldiaz; Risma, Pola; Oktarina, Yurni; Yudha, Hendra Marta
Journal of Applied Smart Electrical Network and Systems Vol 5 No 1 (2024): Vol 5 No 1 (2024): Vol 5 No 1, June 2024
Publisher : Indonesian Society of Applied Science (ISAS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52158/jasens.v5i1.862

Abstract

Penelitian ini mempelajari penggunaan Recurrent Neural Network (RNN) untuk memprediksi temperatur lingkungan di kota London menggunakan data historis iradiasi matahari. Data yang digunakan terdiri dari Hi temperature, low temperature, temperature out, dan iradiasi matahari yang dikumpulkan selama 24 jam dari bulan maret 2014 untuk memprediksi bulan april 2014, dengan 80% untuk pelatihan, 10% untuk validasi, dan 10% untuk testing. Hasil penelitian menunjukkan bahwa RNN dapat melakukan prediksi dengan baik dan memberikan hasil yang stabil dan konsisten. RMSE yang didapat untuk prediksi hi temperature, low temperature, temperature out, dan iradiasi matahari adalah 4.97, 4.20, 4.48, dan 5.03 Penelitian ini diharapkan dapat membantu dalam memprediksi kondisi temperatur pada lingkungan. Hasil penelitian menunjukkan bahwa RNN dapat memprediksi temperatur lingkungan dengan akurasi yang tinggi.
Fuzzy logic-based control for robot-guided strawberry harvesting: visual servoing and image segmentation approach Dewi, Tresna; Bambang, Muhammad Refo; Kusumanto, RD; Risma, Pola; Oktarina, Yurni; Sakuraba, Takahiro; Fudholi, Ahmad; Rusdianasari, Rusdianasari
SINERGI Vol 28, No 3 (2024)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/sinergi.2024.3.021

Abstract

The concept of digital farming can help farmers increase their agricultural production yield. One of the technologies to support digital farming is robotics, which can be utilized to complete a redundant task efficiently for 24 hours. This paper presents a simple and effective harvesting robot that is applied to harvest a ripe strawberry. The mechanical and electrical design is kept simple to ensure it is reproducible. The input from a proximity sensor and image detection by a Pi camera is utilized by FLC (Fuzzy Logic Controller) to improve the effectiveness of the harvesting task. The image processing method in this study is image segmentation, which fits with the limited source of the microcontroller available in the market. The experiment included 60 times (20 times center, left, and right position) harvesting using the FLC algorithm and 60 times without FLC to show the effectiveness of the proposed method. From 60 experiments without an FLC experiment, there is an 80% hit rate for strawberries positioned in the middle of an image plane and 55% for left and right strawberries. From 60 times of FLC experiment, 95% hit rate for strawberries positioned in the middle of an image plane, 80% for left and right strawberries. The average time required to finish the task without FLC for strawberries in the middle is 13.51 s, the left is 11.04 s, and the right is 17.28 s. While the average time required to finish the task with FLC for strawberry in the middle is 12.90 s, the left side is 11.71 s, and the right side is 10.93 s. This study is intended to show that simple designs can be helpful and affordable when applied to greenhouse farming in Indonesia. 
Co-Authors Ahmad Fudholi Alkausar, Muhammad Fajri Amperawan Amperawan Anggraini, Citra Auliya, Annisa Azhar, M. Sayid Bambang, Muhammad Refo Bhakti Yudho Suprapto Citra Anggraini Dadi Setiadi Daniesar, Muhammad Nouval Destri Zumar Sastiani Dewi, Tresna Dewi, Tresna Dewi Dicky Astra Yudha Edo Triyandi Evelina Ginting Hendra Marta Yudha Husni, Nyayu Latifah Juwita, Aulia Ratna Lukman Nul Hakim M. Nawawi Mardiyati, Elsa Nurul Mayastri Devana Muhammad Dede Yusuf Muhammad Nawawi Muhammad Ridho Kenawas Muhammad Taufik Roseno Mulya, Zarqa Muslikhin Nawawi, M. Neta Larasati Noer, Mohammad Nawawi Nur Aina Okta Ferrisa Pola Risma Pratama, Yudha Wira Putri Repina Kesuma Rahman, Raihan Aldiaz Rapli Wijaya RD Kusumanto RD Kusumanto Rinaldi Rinaldi Riyo Irawan Ronald Sukwadi Rusdianasari Rusdianasari Sakuraba, Takahiro Sastiani, Destri Zumar SELAMET MUSLIMIN Siproni Umar Siti Afiyah Qatrunnada Solly Aryza Sri Rezki Artini Tresna Dewi Tresna Dewi Tresna Dewi Tulak, Windy Gafrila Wahju, Marsellinus Bachtiar Windy Gafrila Tulak Yolanda Eka Pratiwi Yudha Wira Pratama Yudi Wijanarko, Yudi Zainuddin Nawawi Zarqa Mulya