Claim Missing Document
Check
Articles

Found 22 Documents
Search

Rancang Bangun Prototype Automatic Transfer Switch dengan Interlock System untuk Peralihan Daya Antara Inverter (PLTS Off-Grid) dan PLN Sianturi, Rednal Josua; Jasa, Lie; Setiawan, I Nyoman
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 4 (2026): November - January
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i4.3695

Abstract

Ketergantungan terhadap suplai Perusahaan Listrik Negara (PLN) yang sering tidak stabil serta ketidakpastian keluaran Pembangkit Listrik Tenaga Surya (PLTS) Off-Grid akibat kondisi cuaca menimbulkan kebutuhan akan Automatic Transfer Switch (ATS) yang mampu mengatur dua sumber daya secara andal. Namun, ATS konvensional umumnya memiliki jeda perpindahan yang cukup lama sehingga menyebabkan ketidakstabilan tegangan keluaran, dan sering tidak dilengkapi sistem keamanan yang memadai untuk mencegah arus hubung singkat. Penelitian ini bertujuan merancang bangun ATS dengan sistem interlock untuk menghasilkan perpindahan daya yang cepat, aman, dan mampu memprioritaskan PLTS sebagai sumber utama. Sistem dirancang menggunakan dua relay MK2P-I Omron yang dihubungkan dengan prinsip interlock serta dikendalikan oleh Low Voltage Disconnect (LVD). Pendekatan perancangan dilakukan melalui simulasi skematik menggunakan FluidSIM, kemudian dilanjutkan dengan pembuatan prototipe dan pengujian langsung. Pengukuran jeda waktu perpindahan dilakukan menggunakan osiloskop untuk memastikan akurasi kinerja perangkat. Hasil pengujian menunjukkan bahwa perpindahan dari PLTS ke PLN memiliki rata-rata jeda 20 milidetik (rentang 5–40 ms) dengan gangguan redup singkat pada LED, sedangkan perpindahan dari PLN ke PLTS memiliki rata-rata 7,8 milidetik (rentang 4–15 ms) tanpa gangguan visual. Kedua hasil masih berada dalam standar industri ASCO sebesar 30–50 milidetik. Selain itu, sistem interlock bekerja efektif dalam mencegah kedua sumber terhubung bersamaan sehingga risiko arus hubung singkat dapat dihindari. Sistem juga memastikan PLTS tetap menjadi prioritas suplai selama kondisi tegangan memenuhi batas aman.
A Systematic Literature Review of Machine Learning for Endurance Running Performance Prediction Solang, Efraim William; Linawati, Linawati; Manuaba, Ida Bagus Gede; Setiawan, I Nyoman
Sinkron : jurnal dan penelitian teknik informatika Vol. 10 No. 1 (2026): Article Research January 2026
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/sinkron.v10i1.15743

Abstract

This study systematically reviews the application of machine learning methods for predicting running performance, with particular emphasis on short-middle distance events such as the 5 km. Although machine learning based performance prediction has been widely explored in endurance sports, a comprehensive review synthesizing models, predictors, and pipelines across running distances remains limited. The review followed the PRISMA 2020 framework. Articles published between 2020 and 2025 were retrieved from ScienceDirect, Google Scholar, and PubMed using predefined keyword combinations related to machine learning and running performance. Studies were included if they focused on running (excluding cycling, triathlon, or other sports), applied predictive modeling, and reported model evaluation metrics. A total of 26 studies met the inclusion criteria and were assessed using quality appraisal criteria inspired by TRIPOD and QUADAS-2. The analysis identified four main research themes: (1) application of machine learning models for running performance prediction, (2) physiological and anthropometric predictors, (3) non-physiological and contextual factors, and (4) personalized athlete training and monitoring. Ensemble learning models (Random Forest, XGBoost, LightGBM) consistently outperformed traditional linear regression by capturing non-linear interactions, while deep learning approaches (LSTM, GRU) demonstrated strong capability in modeling temporal training dynamics. A generalized machine learning pipeline for running performance prediction was also synthesized. This review contributes a structured framework that integrates modeling approaches, predictor categories, and evaluation strategies, and highlights research opportunities for explainable and personalized prediction systems, particularly for 5 km running performance.