Claim Missing Document
Check
Articles

Found 13 Documents
Search

Implementasi Sistem Pemindah Box Berbasis Pneumatik menggunakan outseal PLC Agustiawan Agustiawan; Muhammad Ispandiar
Jurnal Elektronika dan Otomasi Industri Vol. 12 No. 3 (2025): Jurnal Elkolind Vol 12 No 3 (September 2025)
Publisher : Program Studi Teknik Elektronika Politeknik Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/elkolind.v12i3.8775

Abstract

Perkembangan sistem otomasi terus berinovasi dalam menciptakan sarana dalam industri untuk meningkatkan efektivitas kerja, salah satunya proses pemindahan barang dari satu titik ke titik yang lainnya. Perancangan dan pengujian pada penelitian ini merupakan sistem pemindahan barang otomatis menggunakan aktuator pneumatik sebagai alternatif penggerak berbasis motor listrik. Sistem yang dikembangkan memanfaatkan silinder pneumatik, valve solenoid, vacuum pad, serta pengendali Outseal PLC Nano V.5.2 dengan pemrograman ladder diagram. Metodologi penelitian mencakup tahapan identifikasi masalah, perancangan perangkat keras dan perangkat lunak, serta pengujian masing-masing subsistem dan sistem secara keseluruhan. Hasil pengujian menunjukkan bahwa sistem mampu memindahkan box sejauh 15 cm dengan waktu siklus rata-rata 18 detik dan tingkat keberhasilan sebesar 90%, di mana kegagalan utama disebabkan oleh ketidaktepatan posisi objek terhadap vacuum pad. Secara umum, artikel ini menunjukkan bahwa sistem pneumatik berbasis PLC memiliki keunggulan dalam kesederhanaan mekanik dan efisiensi waktu operasi dibandingkan sistem pemindah berbasis motor servo atau konveyor. Meskipun demikian, penelitian ini masih terbatas pada evaluasi fungsional dasar dan belum membahas aspek optimasi konsumsi energi, keandalan jangka panjang, serta perbandingan kuantitatif dengan sistem sejenis. Artikel ini relevan sebagai referensi aplikasi otomasi industri skala kecil dan media pembelajaran sistem elektro-pneumatik berbasis PLC.
Sistem Monitoring Parameter Solar Charge Controller (SCC) Berbasis Lokal Webserver Rio Firnando; Marzuarman Marzuarman; Hikmatul Amri; Agustiawan Agustiawan; Jefri Lianda
KOLONI Vol. 5 No. 3 (2026): SEPTEMBER 2026
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/koloni.v5i3.1056

Abstract

Perkembangan teknologi Internet of Things (IoT) telah mendorong pengembangan sistem monitoring yang mampu menyajikan informasi secara real-time pada berbagai aplikasi kelistrikan, termasuk sistem Pembangkit Listrik Tenaga Surya (PLTS). Salah satu komponen utama dalam sistem PLTS adalah Solar Charge Controller (SCC) yang berfungsi mengatur proses pengisian baterai dari panel surya serta melindungi baterai dari kondisi overcharge dan overdischarge. Namun, sebagian besar Solar Charge Controller komersial masih memiliki keterbatasan pada sistem monitoring karena informasi parameter kelistrikan hanya ditampilkan melalui layar LCD sehingga proses pemantauan harus dilakukan secara langsung di lokasi perangkat. Penelitian ini bertujuan untuk merancang dan membangun Sistem Monitoring Parameter Solar Charge Controller (SCC) Berbasis Lokal Webserver yang mampu menampilkan parameter kelistrikan secara real-time tanpa memerlukan koneksi internet. Penelitian menggunakan metode Research and Development (R&D) dengan merancang sistem monitoring menggunakan ESP32 DevKit V1 sebagai pusat akuisisi dan pengolahan data, dua sensor INA226 untuk mengukur parameter tegangan, arus, dan daya pada sisi panel surya maupun baterai, serta LCD 16×2 sebagai media monitoring lokal. Data hasil pengukuran diproses oleh ESP32 kemudian dikirimkan menuju Local Web Server melalui jaringan Local Area Network (LAN) sehingga dapat diakses menggunakan browser pada komputer maupun smartphone melalui alamat IP lokal. Dashboard monitoring menampilkan informasi berupa tegangan panel surya, arus panel surya, daya panel surya, tegangan baterai, arus pengisian baterai, daya pengisian baterai, status pengisian, grafik perubahan parameter secara real-time, serta tabel data hasil pengukuran. Hasil pengujian menunjukkan bahwa sistem monitoring mampu menampilkan seluruh parameter kelistrikan secara real-time dengan waktu pembaruan data kurang dari satu detik. Selain itu, Local Web Server dapat diakses secara bersamaan oleh beberapa perangkat yang berada pada jaringan lokal tanpa menggunakan layanan cloud maupun koneksi internet. Berdasarkan hasil penelitian, sistem yang dikembangkan mampu memberikan kemudahan dalam proses monitoring parameter Solar Charge Controller secara real-time, stabil, efisien, dan mudah diimplementasikan pada berbagai aplikasi PLTS skala kecil maupun menengah.
Konfigurasi Backpropagation Neural Network Ringan untuk Klasifikasi Kesuburan Tanah Berbasis Nilai NPK: Analisis Hyperparameter dan Uji Derau Simulasi Marzuarman Marzuarman; Agustiawan Agustiawan; Mus Ali Alsabah; Azizul Azizul; M. Afridon; Jefri Lianda; Fandy Octafiandri; Cindy Witra Nuansa
Jurnal Elektronika dan Teknik Informatika Terapan ( JENTIK ) Vol. 4 No. 3 (2026): September: Jurnal Elektronika dan Teknik Informatika Terapan ( JENTIK )
Publisher : Politeknik Kampar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59061/jentik.v4i3.1622

Abstract

Soil fertility classification from nitrogen (N), phosphorus (P), and potassium (K) values can be embedded in low-cost devices, but the architecture and hyperparameters of a Backpropagation Neural Network (BPNN) are often chosen by trial and error, and the effect of sensor uncertainty is rarely examined. This study aims to find a lightweight BPNN configuration and evaluate it under simulated sensor noise. A dataset of 200 soil samples from Bengkalis Island and Sungai Pakning, labeled into three fertility classes, was used. Hidden-layer size, learning rate, and number of epochs were explored by grid search with 5-fold stratified cross-validation repeated three times, and Gaussian noise of 0–20% of each feature's range was added to the test data. Networks with at least two hidden neurons reached 100.00% accuracy without noise, whereas one hidden neuron reached 94.50%. Within 25 epochs, accuracy rose from 32.00% at a learning rate of 0.0001 to 100.00% at 0.1. The lightweight 3–2–3 configuration (17 parameters) matched the 3–12–8–3 reference (179 parameters) at every noise level, with 95.87% versus 95.57% accuracy at 10% noise, and trained about 30 times faster. A two-neuron BPNN is therefore sufficient for this dataset. The findings are limited to simulated noise and 200 samples, so validation with real RS485 sensor readings is required.