Articles
<![CDATA[Kelompok Ternak Bioenergi Di Dukuh Wunut, Desa Tangkisan, Kec.Bayan Kab. Purworejo Jawa Tengah ]]>
<![CDATA[Iswoyo Iswoyo]]>;
<![CDATA[Harmini Harmini]]>;
<![CDATA[Sri Heranurweni]]>
<![CDATA[ Prosiding Konferensi Nasional Pengabdian Kepada Masyarakat dan Corporate Social Responsibility (PKM-CSR) Vol 2 (2019): Peran Perguruan Tinggi dan Dunia Usaha dalam Mempersiapkan Masyarakat Menghadapi Era I ]]>
Publisher : <![CDATA[Asosiasi Sinergi Pengabdi dan Pemberdaya Indonesia (ASPPI) ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (734.213 KB)
|
DOI: 10.37695/pkmcsr.v2i0.490
<![CDATA[Kelompok ternak Bina Lestari terletak di Dukuh Wunut Desa Tangkisan Bayan Purworejo yang terdiri dari 12 Kepala Keluarga dan mempunyai kandang dua tingkat dengan jumlah sapi 18 ekor. Saat ini telah terbangun satu unit biodigester dengan ukuran 8 m3 oleh kelompok ternak sapi Bina Lestari. Biodigester tersebut saat ini hanya dapat dimanfaatkan untuk 7 KK. Berdasarkan hal tersebut perlu dilakukan pengembangan untuk membangun biodigester agar warga yang belum mendapatkan supply biogas dapat teratasi. Permasalahan prioritas yang dihadapi mitra dalam segi sosial, mutu layanan dan kehidupan bermasyarakat adalah masih ada 5 kepala keluarga (KK) yang belum mendapatkan supply biogas untuk memasak sehingga kelima KK masih mengkonsumsi LPG tabung 3 Kg dan juga masih menggunakan kayu bakar. Limbah biodigester dapat dimanfaatkan untuk diolah menjadi pupuk. Solusi yang ditawarkan untuk menyelesaikan permasalahan mitra adalah membangun biodigester tambahan dengan kapasitas 12 m3. Kapasitas tersebut dapat digunakan untuk 12 KK. Limbah dari biodigester diolah menjadi pupuk. Hasil dari pengabdian ini adalah telah terbangunnya biodigester dengan kapasitas 12 m3 untuk kelompok ternak Bina Lestari Dukuh Wunut Desa Tangkisan Bayan, Purworejo. Sejumlah 12 KK telah dapat memanfaatkan bioenergi tersebut. limbah dari bioenergi dimanfaatkan sebagai pupuk yaitu pupuk cair dan pupuk padat yang digunakan untuk memupuk lahan pertanian]]>
<![CDATA[PREDIKSI POWER SOLAR ENERGY MELALUI SOLAR PHOTOVOLTAIC (SPV) MENGGUNAKAN ARTIFICIAL NEURAL NETWORK – RADIAL BASIC FUNCTION (ANN-RBF) ]]>
<![CDATA[harmini harmini]]>
<![CDATA[ Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 12, No 2 (2021): JURNAL SIMETRIS VOLUME 12 NO 2 TAHUN 2021 ]]>
Publisher : <![CDATA[Universitas Muria Kudus ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24176/simet.v12i2.6897
<![CDATA[Sinar matahari yang sampai kepermukaan bumi dapat diubah menjadi energi listrik menggunakan sel surya atau Solar Photovoltaic Array (SPV) yang dipengaruhi oleh radiasi matahari dan temperatur yang selalu berubah-ubah dari musim ke musim. Tujuan penelitian ini adalah membuat model yang digunakan untuk memprediksi energi listrik yang dihasilkan oleh solar energi melalui SPV berdasarkan nilai radiasi matahari dan temperatur selama 5 tahun terakhir dan memprediksi selama 5 tahun ke depan menggunakan kontrol Artificial Neural Network (ANN) yang disimulasikan menggunakan software PVSYS dan MATLAB dengan variasi kondisi klimatologi. Variabel input ANN-RBF adalah daya dan energi listrik keluaran SPV sesuai kondisi radiasi dan suhu selama 5 tahun terakhir yang memiliki pengaruh signifikan terhadap respon ANN-RBF. Variabel keluaran dari ANN-RBF adalah daya dan energi listrik keluaran SPV untuk 5 tahun kedepan. Metode yang dilakukan (1) menghitung daya dan energi listrik berdasarkan variasi nilai radiasi matahari dan temperatur menggunakan software PVSYS, (2) melakukan pelatihan menggunakan ANN-RBF dari data 5 tahun (2015-2020), (3) pengujian data hasil pelatihan ANN-RBF, dan (4) memprediksi energi listrik untuk 5 tahun ke depan. Parameter NN-RBF yang digunakan untuk pola pembelajaran data energi listrik antara lain error goal (MSE) sebesar 1e-5, spread constant 2, number of neurons sebesar K= 20 dan Ki=10. Tingkat akurasi rata-rata proses pembelajaran dan pengujian data untuk menentukan pola prediksi energi listrik panel SPV pada tahun 2018 sebesar 92.35%, tahun 2019 sebesar 76.83 %, dan tahun 2020 sebesar 87.36%, sehingga prosentase error rata-rata tahun 2018 sebesar 7.6 %, tahun 2019 sebesar 23.16 % dan tahun 2020 sebesar 12.63 %. Tingkat akurasi menggunakan NN-RBF masih rendah dan error lebih dari 10%, hal ini dikarenakan NN-RBF masih memiliki osilasi pencapaian target yang selalu berubah-ubah dengan cepat. Prediksi rata-rata energi listrik selama 5 tahun kedepan dari tahun 2021-2025 berkisar antara 936 Wh-1894 Wh dari panel SPV dengan ukuran 240 Wp]]>
<![CDATA[SEGMENTASI POLA TEKSTUR CITRA KUNING TELUR UNTUK MENGENALI JENIS AYAM KAMPUNG MENGGUNAKAN FILTER GABOR ]]>
<![CDATA[Muhammad Sipan]]>;
<![CDATA[Harmini Harmini]]>
<![CDATA[ Technologia : Jurnal Ilmiah Vol 14, No 1 (2023): Technologia (Januari) ]]>
Publisher : <![CDATA[Universitas Islam Kalimantan Muhammad Arsyad Al Banjari ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31602/tji.v14i1.8480
<![CDATA[Penelitian ini membahas tentang segmentasi citra kuning telur ayam kampung dengan filter yang mampu mensimulasikan karakteristik sistem visual manusia dalam mengisolasi frekuensi dan orientasi tertentu dari citra yang bisasa kita sebut filter Gabor. Langkah pertama mengambil data yaitu berupa citra kuning telur ayam kampung. Kedua melakukan pre-processing citra sebelum di segmentasi, tujuanya agar citra tersebut lebih presisi, selanjutnya segmentasi citra dengan metode yang digunakan sehingga dapat dihasilkan pemisahan objek dengan latar belakang dari citra tersebut .Prosses Segmentasi pola tekstur citra kuning telur untuk mengenali jenis ayam kampung menggunakan filter gabor memerlukan empat tahapan, tahapan pertama mengenali citra asli kuning telur, setelah kita dapat mengenali citra kuning telur kemudian kita memfilter citra tersebut dengan nilai λ dan sudut θ dengan nilai tertentu. Pada penelitian ini penulis menggunakan nilai λ=3,5, 4,5, 5,5, dan 6,5. Sudut θ sebesar 0, 45, 90 dan 135. Proses selanjutnya adalah dilakukan operasi thresholding pada citra magnitude dengan nilai threshold yang sudah di tentukan yaitu sebesar 1000. Tahap terakhir atau keempat adalah memvisualisasikan hasil segmentasi terhadap citra asli kuning telur ayam kampung. Hasil penelitian yang di hasilnya menujukan bahwa dengan nilai λ dan θ yang berbeda beda pemisahan objek dengan beckground dapat dikenali sehingga dengan menggunakan filter gabor segmentasi cira kuning telur ayam kampung dapat di lakukan dengan hasil yang baik sehingga dapat digunakan untuk sebuah pengambilan keputusan pengenalan kuning telur ayam kampung.]]>
<![CDATA[Optimalisasi Pemanfaatan Grid Connected Rooftop Solar Photovoltaic (SPV) Sebagai Pengembangan Green Energy System ]]>
<![CDATA[Harmini Harmini]]>;
<![CDATA[Titik Nurhayati]]>
<![CDATA[ Jurnal Ecotipe (Electronic, Control, Telecommunication, Information, and Power Engineering) Vol 8 No 1 (2021): Jurnal Ecotipe, April 2021 ]]>
Publisher : <![CDATA[Jurusan Teknik Elektro, Universitas Bangka Belitung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33019/jurnalecotipe.v8i1.2135
<![CDATA[Gedung Fakultas Teknik Universitas Semarang berpotensi untuk dilakukan pemasangan rooftop solar photovoltaic (SPV) sehingga menghasilkan energi listrik dari sumber energi matahari. Energi yang dihasilkan oleh system SPV dapat digunakan untuk mencukupi kebutuhan listrik pada siang hari, sehingga pemenuhan energi listrik dapat dibagi dari PLN dan Rooftop SPV. Pemanfaatan rooftop SPV mempunyai beberapa keunggulan yaitu pemanfaatan energi matahari lebih maksimal dan meminimalisir penghalang karena, serta lebih mudah untuk diintegrasikan dengan sistem kelistrikan yang sudah ada. Perancangan system Rooftop SPV perlu dilakukan untuk mengoptimalisasi pemanfaatan energi matahari sebagai salah satu pengembangan green energy system agar dapat memprediksi berapa daya atau energy yang mampu dihasilkan. Daya dan energy yang dihasilkan oleh grid connected rooftop SPV dihitung berdasarkan data meteorologi radiasi matahari dan temperature Tahun 2019 dari BMKG Kota Semarang serta dimensi luas atap Gedung. Penelitian ini divalidasi dengan menggunakan software PVSYS 6.8.1. Hasil penelitian menunjukkan bahwa kebutuhan daya dan energi sebesar 103.87 kW dan 1371.74 KWh dengan dimensi atap gedung sebesar 441 m2. Atap gedung mampu menampung jumlah modul SPV sebanyak 356 Unit dengan total daya dan energi sebesar 85.119 Kw dan 658.6 KWh. Pemanfaatan grid connected rooftop SPV ini mampu mensupply kebutuhan energi sebesar 81.9% dari total kebutuhan energi listrik pada gedung Fakultas Teknik]]>
<![CDATA[Analisa Simulasi Photovoltaic 250 kW Terhubung Jaringan 25 kV Dengan Konverter Dua Tingkat Menggunakan MATLAB ]]>
<![CDATA[Dias Widodo]]>;
<![CDATA[Harmini Harmini]]>;
<![CDATA[Elfira Nureza Ardina]]>
<![CDATA[ Smart Comp :Jurnalnya Orang Pintar Komputer Vol 15, No 1 (2026): Smart Comp: Jurnalnya Orang Pintar Komputer ]]>
Publisher : <![CDATA[Politeknik Harapan Bersama ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30591/smartcomp.v15i1.8787
<![CDATA[Sektor energi global mengalami perubahan signifikan dalam beberapa tahun terakhir, dengan peralihan utama dari energi tak terbarukan ke energi terbarukan. Energi Terbarukan, seperti tenaga surya, kini menjadi pilihan utama untuk mendukung kebutuhan energi berkelanjutan dan mengatasi perubahan iklim. Salah satu teknologi yang banyak digunakan dalam sistem energi terbarukan adalah sistem Photovoltaic (PV), yang mengubah energi matahari menjadi listrik arus searah (DC). Sistem ini membutuhkan konverter dua tingkat untuk meningkatkan efisiensi konversi dan menjaga stabilitas daya, serta untuk mengurangi harmonisa dan meningkatkan kualitas daya yang dihasilkan.Penelitian ini menganalisis sistem PV 250 kW yang terhubung dengan jaringan 25 kV, menggunakan konverter dua tingkat yang terdiri dari konverter DC-DC dan inverter DC-AC. Sistem ini dirancang untuk menjaga efisiensi konversi daya, stabilitas tegangan, dan distribusi daya yang optimal. Simulasi dilakukan dengan perangkat lunak MATLAB untuk mengevaluasi kinerja sistem secara komprehensif. Hasil perhitungan menunjukkan bahwa sistem ini menghasilkan total daya 248,6 kW, yang sangat mendekati target. Pengujian sistem dilakukan dengan memvariasikan kondisi radiasi matahari, suhu panel, dan beban untuk mengevaluasi respons dan kestabilan daya yang dihasilkan.]]>
<![CDATA[Evaluasi Efisiensi Konsumsi Energi Listrik Berbasis Analisis Demand Factor pada Sistem Distribusi Kelistrikan Industri PT Semen Grobogan ]]>
<![CDATA[Dyna Maharani]]>;
<![CDATA[Harmini -]]>;
<![CDATA[Priyo Adi Sesotyo]]>;
<![CDATA[Elfira Nureza Ardina]]>
<![CDATA[ Smart Comp :Jurnalnya Orang Pintar Komputer Vol 15, No 3 (2026): Smart Comp: Jurnalnya Orang Pintar Komputer ]]>
Publisher : <![CDATA[Politeknik Harapan Bersama ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30591/smartcomp.v15i3.10356
<![CDATA[Kebutuhan energi listrik pada sektor industri meningkat seiring dengan ekspansi kapasitas produksi dan penggunaan peralatan berdaya besar. Kondisi ini menuntut pengelolaan sistem kelistrikan yang efisien agar kapasitas daya terpasang dapat dimanfaatkan secara optimal. PT Semen Grobogan sebagai industri semen berskala besar dengan kapasitas produksi sebesar 2,5 juta ton per tahun memiliki sistem kelistrikan dengan kapasitas terpasang sebesar 40 MVA yang disuplai oleh PLN dan di bagi pada trafo 1 dan trafo 2. Penelitian ini bertujuan untuk mengkaji efisiensi pemanfaatan energi listrik pada instalasi kelistrikan PT Semen Grobogan melalui analisis demand factor. Metode penelitian ini meliputi pengukuran dan pencatatan beban listrik pada sistem distribusi, perhitungan beban maksimum, serta analisis nilai demand factor pada masing-masing transformator selama periode Mei-Juli 2025. Hasil analisis menunjukkan bahwa nilai demand factor pada trafo 1 dan trafo 2 berada pada kisaran 72%-76% dengan variasi antar bulan yang relatif kecil. Secara global, demand factor sistem berada pada kisaran 73%-74% terhadap kapasitas terpasang 40 MVA. Nilai tersebut menunjukkan bahwa kapasitas yang terpasang telah dimanfaatkan secara efisien dan masih berada dalam batas operasi yang aman bagi sistem kelistrikan industri. Hasil penelitian ini menegaskan bahwa analisis demand factor dapat digunakan sebagai indikator evaluasi pemanfaatan kapasitas sistem kelistrikan dan sebagai dasar pengelolaan beban untuk menjaga stabilitas dan keandalan operasi industri.]]>
<![CDATA[Pelatihan Pemanfaatan Baterai Lithium-ion dengan Sistem Manajemen Baterai (BMS) sebagai Solusi Energi Cadangan ]]>
<![CDATA[Yusuf Nurul Hilal]]>;
<![CDATA[Titik Nurhayati]]>;
<![CDATA[Budiana Destyningtias]]>;
<![CDATA[Isya' Aryan S]]>;
<![CDATA[Harmini]]>
<![CDATA[ Muria Jurnal Layanan Masyarakat Vol. 8 No. 1 (2026): Maret 2026 ]]>
Publisher : <![CDATA[Universitas Muria Kudus ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24176/mjlm.v8i1.16592
<![CDATA[This community service activity aims to equip 15 participants at SMK Muhammadiyah 2 Jepara with technical competencies in assembling a backup energy system. The novelty of this article lies in the application of Lithium-Ion battery technology integrated with a smart Battery Management System (BMS) as a more efficient and safer power storage solution compared to conventional lead-acid batteries, as well as the implementation of a hands-on training method. This five-hour program successfully guided participants through the process of assembling Lithium-Ion battery cells and integrating them with a BMS to achieve optimal functionality. The results demonstrate that the assembled battery unit, when connected to an inverter, is capable of providing a stable power supply to various electronic loads, including mobile phone chargers, laptops, and active speakers. The final conclusion of this activity is that the participants have successfully mastered modern energy storage technology while producing a functional backup energy system ready to support emergency electrical needs within the school environment.]]>
<![CDATA[ANFIS-Controlled High Step Up DC DC Converter for Fuel Cell Systems with Enhanced Efficiency Against Load Variation ]]>
<![CDATA[Harmini Harmini]]>;
<![CDATA[Mochamad Ashari]]>;
<![CDATA[Feby Agung Pamuji]]>
<![CDATA[ Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Vol. 11, No. 1, February 2026 ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22219/kinetik.v11i1.2456
<![CDATA[The primary challenge in utilizing Fuel Cell (FC) systems lies in their inherently low and fluctuating output voltage, which contrasts with the requirements of a Direct Current (DC) bus network that demands a stable and relatively high voltage level. Ensuring consistent voltage regulation in the DC bus network is essential for reliable system performance. An interface converter is required to elevate and stabilize the voltage output under dynamic operating conditions. This paper introduces a high step-up DC–DC converter integrated with an Adaptive Neuro-Fuzzy Inference System (ANFIS)-based control scheme for enhancing the performance of FC power systems. The proposed work encompasses the modeling, analytical design, and structural development of the converter and its intelligent control mechanism. The proposed high step-up converter exhibits a novel structural configuration that integrates a clamp unit, a Multiplier Cell (MC), and cascaded Quadratic Boost Converter (QBC) stages. The contribution of this converter topology lies in its ability to enhance the reliability of fuel cell–based renewable energy systems, achieve high voltage amplification, ensure optimal efficiency, and maintain dynamic stability. This topology is specifically developed to attain an ultra-high voltage conversion ratio, achieving a significant voltage gain of up to 9.65 times, thereby effectively increasing the input voltage from 45 V to 400 V. The ANFIS controller effectively maintains a stable output voltage of 400 V with a maximum deviation of only ±3.5%. The proposed converter achieves a peak efficiency of 87% under varying load conditions, demonstrating its suitability for fuel cell-based energy systems.]]>
<![CDATA[Leveraging Green IoT to Enhance Energy-Saving Efficiency in Fairness-Oriented Residential Photovoltaic Charging Stations ]]>
<![CDATA[Syarifah Muthia Putri]]>;
<![CDATA[Moranain Mungkin]]>;
<![CDATA[Harmini]]>;
<![CDATA[Syechu Dwitya Nugraha]]>
<![CDATA[ Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Vol. 11, No. 1, February 2026 ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22219/kinetik.v11i1.2470
<![CDATA[As electric vehicles (EVs) continue to gain global popularity, residential photovoltaic (PV) charging stations are becoming more common, providing a sustainable way to charge EVs. However, the intermittent nature of solar energy creates challenges in ensuring consistent and fair charging, making fairness-based charging scheduling essential. To automate this process, residential PV charging stations require a customized Internet of Things (IoT) system. A significant concern is the substantial energy consumption due to the high volume of data transmission within the IoT system. This research aims to enhance energy efficiency by leveraging green IoT strategies suitable for such applications. The study proposes the use of edge computing, optimized data transmission scheduling, and delta compression techniques at the edge to minimize energy use. The results demonstrate that these strategies are effective in achieving energy savings. Energy-saving efficiency on the source side ranges from 1.96% to 7.84%, while on the load side, it ranges from 57.5% to 61.3%. These findings highlight the effectiveness of the proposed strategies in reducing energy consumption, providing an efficient solution for optimizing data transmission in residential PV charging stations. Overall, the strategies contribute to the sustainable operation of electric vehicle charging infrastructure by improving energy efficiency and ensuring fair distribution of charging resources.]]>
<![CDATA[DESAIN DAN IMPLEMENTASI MAXIMUM POWER SOLAR TRACKER MENGGUNAKAN PANEL PHOTOVOLTAIC DI KOTA SEMARANG ]]>
<![CDATA[Harmini Harmini]]>;
<![CDATA[Titik Nurhayati]]>
<![CDATA[ Elektrika Vol. 10 No. 1 (2018): April 2018 ]]>
Publisher : <![CDATA[Universitas Semarang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (506.25 KB)
|
DOI: 10.26623/elektrika.v10i1.1117
<![CDATA[The purpose of this research is to design and implementation Maximum Solar Power Tracking system using photovoltaic panel, in order to increase solar panel efficiency and power. Data collection is done for the condition in Semarang city. The result of the research is expected to be base in planning of solar power system in Semarang city, whether it is for light-ing lamp planning and for Solar Home System (SHS). This MPPT system design uses standard 180 degree servo motor to drive photovoltaic panel and control circuit using ATmega IC, while simulation using MATLAB program. Tracking is done by online tracking method by moving the photovoltaic panel to the radiation of the sun. Tracking simulation is done with step 20, 50 and 180 step. The average of voltage generated by system without tracking is 3.97 Volt while the average volt-age generated by tracking system is 4.72 Volt. Efficiency between system without tracking and tracking system is 66.28% for tracking system and 78.78% for tracking system.Keywords: MPPT,Solar Photovoltaic, Tracking.]]>
