Claim Missing Document
Check
Articles

Found 2 Documents
Search

RANCANG BANGUN SISTEM KENDALI POSISI KETINGGIAN PADA TOWERCOPTER BERBASIS PROPORTIONAL INTEGRAL MENGGUNAKAN TUNING ARTIFICIAL NEURAL NETWORK RIFQI NABILA ZUFAR; PUPUT WANARTI RUSIMAMTO
JURNAL TEKNIK ELEKTRO Vol 8 No 3 (2019): SEPTEMBER 2019
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jte.v8n3.p%p

Abstract

Abstrak Drone Singlecopter mengalami perkembangan yang pesat pada beberapa tahun ini. Drone ini memiliki kelebihan dari segi massa Drone yang ringan sehingga energi yang dibutuhkan lebih sedikit dan juga effisien. Namun, Drone ini memiliki kelemahan untuk menstabilkan posisi drone pada saat lepas landas ataupun hovering. Plant yang digunakan pada penelitian ini bernama Towercopter. Prinsip kerja dari plant ini hampir sama dengan prinsip kerja dari Vertical Take Of Landing (VTOL) pada Singlecopter. Plant ini kemudian di ujicoba dengan mengimplementasikan sistem kendali Proportional Integral menggunakan tuning Artificial Neural Network (PI-ANN). Hasil penelitian menunjukkan bahwa nilai ???? = 7.85 detik, Rise Time = 13.41 detik, Settling Time = 52.28 detik, Maksimal Overshoot = 22.3% dan Error Steady State = 0.43%. Selanjutnya, plant diuji menggunakan beban. Hasil respon menunjukkan plant mengalami penurunan posisi sejauh 4 cm yang kemudian bergerak naik pada detik ke-173 dan respon mencapai setpoint pada detik ke- 213. Terakhir, plant diuji coba dengan setpoint yang diubah. Respon yang dihasilkan cenderung menyerupai respon output yang dinginkan, namun pada percobaan menggunakan setpoint 17 dan 19 cm, waktu untuk mencapai keadaan Steady State tidak sama dengan selisih 20 detik. Kata Kunci: VTOL, Towercopter, PI-ANN Controler.Abstract Singlecopter drones have experienced rapid development in recent years. This drone has advantages in terms of the lightweight drone mass so that the less energy needed and efficient. However, this Drone also has a disadvantage to stabilize the drone position during takeoff or hovering. The towercopter is used as a plant in this research. The working principle of this prototype is almost the same as the working principle of Vertical Take of Landing (VTOL) in a Singlecopter. This prototype is then tested by implementing an Integral Proportional control system using Artificial Neural Network tuning (PI-ANN). The result shows that the value of Rise Time = 13.41 seconds, Settling Time = 52.28 seconds, Maximum Overshoot = 22.3% and Steady State Error = 0.43%. Furthermore, the plant is tested using a load. The result shows that plant response decrease in position by 4 cm which then moved up in the 173 seconds and the response reach the setpoint at the 213 seconds. Finally, the plant is tested with a modified setpoint. The response result tends to resemble desired response output, but in the experiment using a setpoint of 17 and 19 cm, the time to reach the state of Steady-State are not the same with difference of 20 seconds. Keywords: VTOL, Towercopter, PI-ANN Controler.
Prototipe Sistem Keamanan Kunci Pintu Rumah Otomatis Dengan Pengenalan Wajah Berbasis IoT Niam Tamami; Achmad Rizky Ramadhani; Hary Oktavianto; Rifqi Nabila Zufar
The Indonesian Journal of Computer Science Vol. 14 No. 6 (2025): The Indonesian Journal of Computer Science
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v14i6.4998

Abstract

Dalam era digital yang semakin berkembang, teknologi telah mengubah sistem keamanan dengan menggantikan kunci pintu konvensional dengan kunci pintu pintar yang canggih. Teknologi seperti pengenalan wajah, sidik jari, dan sensor gerak memberikan tingkat keamanan yang lebih tinggi dibandingkan dengan kunci tradisional. Kunci pintu konvensional rentan terhadap risiko pembobolan, kehilangan, atau duplikasi oleh pelaku kejahatan. Sebagai solusi, penulis ingin menciptakan kunci pintu pintar yang dapat membuka pintu dengan pengenalan wajah, Personal Identification Number (PIN), dan melalui Telegram bot. Pengenalan wajah pada kunci pintu pintar memastikan bahwa hanya pemilik atau orang yang terdaftar yang dapat membuka pintu. Fitur tambahan berupa penggunaan PIN memberikan lapisan keamanan ekstra. Jika PIN yang salah dimasukkan sebanyak tiga kali, alarm akan berbunyi untuk memberikan peringatan. Selain itu, jika sistem pengenalan wajah tidak dapat mengenali wajah yang sedang dipindai, kamera akan mengambil gambar dan mengirimkannya ke Telegram bot di smartphone pengguna. Dengan penerapan kunci pintu pintar ini, diharapkan keamanan dan kemudahan akses yang lebih baik dibandingkan dengan kunci pintu konvensional. Hasil pengujian menunjukkan bahwa sistem ini dapat bekerja dengan akurasi pengenalan wajah sebesar 79% dan respon alarm bekerja secara real-time melalui integrasi Telegram bot.