Article Per Year (5 Year)
p-Index From 2021 - 2026
7.623
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering International Journal of Power Electronics and Drive Systems (IJPEDS) Teknika INVOTEK: Jurnal Inovasi Vokasional dan Teknologi Syntax Literate: Jurnal Ilmiah Indonesia KACANEGARA Jurnal Pengabdian pada Masyarakat JE-Unisla Indonesian Journal of Electrical Engineering and Computer Science Indonesian Journal of Engineering and Technology (INAJET) INAJEEE (Indonesian Journal of Electrical and Electronics Engineering) IJORER : International Journal of Recent Educational Research Jurnal Teknik Elektro (JTE) Indonesian Journal of Multidiciplinary Research (IJoMR) Abimanyu: Journal of Community Engagement Tarbiyah Wa Ta'lim: Jurnal Penelitian Pendidikan dan Pembelajaran Jurnal Indonesia Sosial Teknologi Jurnal Elektronika dan Teknik Informatika Terapan IT-Edu: Jurnal Information Technology and Education
Unit Three Kartini
Universitas Negeri Surabaya
Arts Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Mechanical Engineering Social Sciences Transportation Other

Published : 74 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 74 Documents
Search

 4   5   6   7   8 
Optimal tuning proportional integral derivative controller on direct current motor using reptile search algorithm Widi Aribowo; Bambang Suprianto; Unit Three Kartini; Ayusta Lukita Wardani
International Journal of Electrical and Computer Engineering (IJECE) Vol 13, No 5: October 2023
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijece.v13i5.pp4901-4908

Abstract

This paper presents the reptile search algorithm (RSA) method to optimize the proportional integral derivative (PID) parameters on direct current (DC) motors. RSA was adopted from crocodile hunting behavior. Crocodile behavior is modeled in two important steps: surrounding and attacking prey. The RSA method was applied using twenty-three classical test functions. The search method of the proposed RSA method with other existing algorithms such as particle swarm optimization (PSO), and differential evolution (DE). Integral multiplied by absolute error (ITAE) and integral of time multiplied squared error (ITSE) were used as comparisons in measuring the performance of the RSA method. The results show that the proposed method, namely RSA, has better efficiency. Optimization of PID parameters with RSA on DC motor control shows superior performance. From the experiment, the ITSE average value of the RSA method is 4.17% better than the conventional PID method.
Rancang Bangun Smart Tank Ikan Cupang Menggunakan Energi Terbarukan Solar Cell Yanuarius Kristian Wibisono; Unit Three Kartini; Joko Joko; Achmad Imam Agung
JURNAL TEKNIK ELEKTRO Vol 11 No 3 (2022): SEPTEMBER 2022
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jte.v11n3.p398-408

Abstract

Abstrak Salah satu hobi yang kini sedang naik daun adalah memelihara ikan cupang. Masalah yang sering terjadi dalam merawat ikan cupang adalah pemilik ikan malas untuk mengganti air. Penulis menciptakan alat yaitu smart tank, tujuan mendasar dari smart tank adalah mengganti air lama dengan air baru secara otomatis jadi pemilik tidak perlu membersihkan aquarium/tank, tank yang digunakan dedesain khusus agar kotoran ikan bisa keluar ke saluran pembuangan dan air baru dituangkan melalui saluran isi dengan menggunakan solenoid valve sebagai keran dan PLC sebagai sistem rangkaian. Smart tank ini merupakan alat pengembangan dari smart tank manual yang terdapat dipasaran dengan teknik analisis data kuantitatif penulis menggabungkan beberapa penelitian yang cara kerjanya dapat digunakan atau diadopsi pada penelitian ini. Smart Tank pun dirancang untuk pengaplikasian 3 susun rak dimana air diganti secara bergantian seperti sistem kerja lampu lalu lintas. Setelah dilakukan perbandingan antara pembersihan manual dengan pembersihan menggunakan smart tank, hasil dari penelitian ini adalah penggunaan smart tank mampu menghemat waktu hingga 57 Menit dengan tingkat kebersihan hingga 80%. Sebagai upaya penghematan energi listrik smart tank dibekali dengan sumber energi terbarukan yaitu solar cell. Smart tank ini dapat menjadi ide pembuatan alat alat lain yang berguna membantu pekerjaan dengan memanfaatkan energi terbarukan. Kata Kunci: Smart Tank Sistem, Solar Cell, Solenoid Valve
Peramalan Loss Of Life Tranformator Berdasarkan Loading dan Temperature Menggunakan LSTM di Gardu Induk 150KV Buduran Anjar Novian; Unit Three Kartini
JURNAL TEKNIK ELEKTRO Vol 12 No 1 (2023): JANUARI 2023
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jte.v12n1.p81-86

Abstract

Transformator ialah peralatan penting pada Gardu Induk yang mempunyai tugas penting seperti menstransformasikan tegangan, menyesuaikan arus, dan mempertahankan kualitas daya, namun seiring dengan waktu faktor-faktor seperti kenaikan temperatur operasi, kondisi pembebanan dan jadwal pemeliharaan dapat mempengaruhi kinerja transformator dan menyebabkan loss of life transformator. Pada penelitian ini bertujuan untuk membahas tentang metode Deep Learning-(Long Short Term Memory) LSTM untuk peramalan loss of life dengan efektif dan akurat. Metode LSTM yaitu jaringan saraf yang dalam dan informasi yang dikirimkan adalah aliran informasi yang berisi memori historis. Sumber data yang diterapkan penelitian ini dari transformator 6 di Gardu Induk 150 kV Buduran yang meliputi data beban dan temperatur minyak tahun 2021 dan 2022. Pengukuran kinerja LSTM dilakukan melalui Mean Squared Error (MSE) serta Root Mean Squared Error (RMSE). Hasil peramalan menunjukkan bahwa metode LSTM memiliki kinerja yang baik, dengan nilai MSE terbilang 0,0002 dan RMSE terbilang 0,014. Melalui metode ini, peramalan loss of life transformator untuk tahun 2023 diperoleh sebesar 17,89% atau setara dengan 0,1789 pu. Hasil studi ini menunjukkan bahwa metode LSTM dapat menghasilkan peramalan yang akurat dalam memprediksi loss of life transformator. Tingkat loss of life transformator tidak selalu konsisten setiap tahunnya, karena dipengaruhi oleh faktor-faktor seperti pembebanan, temperatur minyak, kondisi lingkungan, dan perawatan. Penelitian ini memberikan kontribusi penting dalam bidang perawatan transformator dengan menggunakan metode peramalan yang canggih. Dengan memperoleh perkiraan yang akurat tentang loss of life transformator, operator Gardu Induk 150 kV Buduran dapat merencanakan pemeliharaan secara lebih efisien.
Peramalan Daya Listrik Jangka Sangat Pendek pada Pembangkit Fotovoltaik (PV) Menggunakan Metode Deep Learning-Long Short Term Memory (LSTM) Khoirul Fadli; Unit Three Kartini
JURNAL TEKNIK ELEKTRO Vol 12 No 1 (2023): JANUARI 2023
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jte.v12n1.p54-59

Abstract

Pembangkit listrik fotovoltaik (PV) menjadi salah satu solusi untuk mengatasi masalah kelangkaan energi dan mengurangi emisi gas rumah kaca. Metode prediksi untuk meramalkan daya output pada pembangkit PV secara akurat telah menjadi alat penting untuk memecahkan perencanaan PV dan masalah pemodelan, yang dapat mengurangi dampak negatif pada seluruh sistem tenaga dan meningkatkan stabilitas sistem. Tujuan dari penggunaan metode Deep Learning - LSTM dalam peramalan daya listrik batas waktu sangat pendek pada pembangkit fotovoltaik (PV) adalah untuk memperoleh informasi mengenai hasil peramalan daya listrik dalam waktu 2 jam setelahnya. Hasil penelitian ini menunjukkan pada percobaan pertama dengan nilai epoch 50 mendapatkan hasil akurasi peramalan pada Mean Squared Error (MSE) terbilang 0,0253. Pada percobaan kedua dengan nilai epoch 100 mendapatkan hasil akurasi peramalan sebesar 0,0210. Pada percobaan ketiga dengan nilai epoch 150 mendapatkan hasil akurasi peramalan sebesar 0,0190. Dapat disimpulkan bahwasannya semakin besar nilai epoch hasil akurasi peramalan semakin baik dan metode Deep Learning-LSTM ini cocok digunakan untuk memprediksi daya listrik pada pembangkit fotovoltaik karena dengan menggunakan metode ini bisa mendapatkan hasil akurasi peramalan yang kecil. Kata kunci : Peramalan, Daya Listrik, Akurasi, Deep Learning, Long Short Term Memory (LSTM)
Pemodelan Hybrid Decomposition Neural Network Untuk Klasifikasi Gangguan Sistem Tenaga Listrik Pada Disturbance Fault Rrcorder (DFR) At - Thariq Ramadhan; Unit Three Kartini
JURNAL TEKNIK ELEKTRO Vol 12 No 1 (2023): JANUARI 2023
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jte.v12n1.p67-72

Abstract

Disturbance Fault Recorder (DFR) adalah perangkat yang merekam kualitas daya dalam bentuk gelombang fasa yang memiliki variable berupa current (ampere) dan voltage (volt) pada saat pre fault, in fault, dan after fault. Perangkat ini banyak digunakan pada peralatan jaringan listrik untuk terus memantau peralatan jaringan listrik dan merekam kesalahan/ketidaknormalan yang terjadi.. Tujuan dari penelittian ini adalah memodelkan Hybrid Decomposition Neural Network untuk mengklasifikasi jenis gangguan sistem tenaga listrik pada Disturbance Fault Recorder (DFR). Metode dekomposisi digunakan untuk membagi masalah menjadi beberapa bagian yang lebih sederhana atau komponen yang lebih kecil, sedangkan jaringan saraf digunakan untuk mempelajari dan memodelkan hubungan antara komponen-komponen tersebut. Data yang digunakan merupakan data rekaman gangguan Disturbance Fault Recorder (DFR) yang diakses di PT. PLN UP2B Jawa Timur. Klasifikasi jenis gangguan yang dipakai hanya untuk gangguan eksternal yaitu gangguan oleh petir dan short circuit. Dengan mengguanakan 100 data training yang berupa 50 data gangguan petir dan 50 data gangguan short circuit mendapatkan Data training memiliki akurasi sebesar 0,83 dan nilai loss sebesar 0,46. Untuk data validasi, nilai loss pada iterasi pertama adalah 0,70 dan nilai loss adalah 1,97. Data pelatihan memiliki akurasi 1,0 dan nilai kerugian 0,004. Untuk data validasi sebesar 0,70 dan nilai loss sebesar 18,50 pada iterasi kelima. Untuk hasil testing mendapatkan akurasi pada data training sebesar 0.8000 dan loss pada data training 1.9730, akurasi pada data test adalah 0.8000 dan loss pada data test adalah 1.930. Hasil untuk pengujian pada record gangguan yang mengghunakan data acak dari rekaman DFR mendapakan probalilitas 1.0 untuk setiap kelasnya. Sehingga bias dikatakan bahwa moedel Hybrid Decomposition Neural Network cocok digunakan untuk menhgklasifikasi jenis ganguan pada hasil rekaman pada DFR. Kata Kunci: DFR, Klasifikasi, Petir, Short Circuit, Dekomposisi.
Peramalan Daya Pembangkit Di PLTGU Gresik Berdasarkan Indeks Keandalan LOLP dan LOLE dengan Metode LSTM-NN Dwikky Sucahyo Putra; Unit Three Kartini
JURNAL TEKNIK ELEKTRO Vol 12 No 1 (2023): JANUARI 2023
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jte.v12n1.p87-92

Abstract

Peramalan daya pembangkit merupakan proses memprediksi besaran daya yang akan dihasilkan oleh pembangkit listrik di masa yang akan datang. Peramalan daya pembangkit yang akurat sangat penting untuk mengoptimalkan operasi pembangkit listrik termasuk perancanaan produksi, perawatan dan perbaikan, pengaturan pengiriman daya, dan manajemen resiko. Namun seringkali terjadi hasil peramalan yang dilakukan memiliki tingkat keakuratan yang kurang. Oleh karena itu peneliti akan mencoba meramalkan daya pembangkit di PT. PLN Nusantara Power UP Gresik dengan tujuan agar mendapat hasil yang akurat. Metode yang akan digunakan adalah Deep Learning Long Short Term Memory (LSTM). Sementara untuk variabelnya adalah data historis daya, indeks keandalan Loss of Load Probability (LOLP), serta indeks keandalan Loss of Load Expectation (LOLE). Pada penelitian ini, peramalan yang dilakukan menghasilkan prediksi daya pembangkit untuk jangka waktu 6 jam kedepan. Hasil dari peramalan daya tersebut menghasilkan nilai MAE sebesar 0,0128 dan MSE sebesar 0,0004. Hal itu menunjukkan bahwa nilai Indeks Keandalan LOLP dan LOLE dapat digunakan sebagai input variabel bersama dengan data historis daya dalam meramalkan besarnya daya suatu pembangkit. Kata Kunci: LSTM, Deep Learning, Forecasting, Pembangkit Listrik
Peramalan Jangka Sangat Pendek Daya Listrik PLTS On Grid Rumah Tinggal Menggunakan Metode Recurrent Neural Network Long Short Term Memory (RNN-LSTM) Berdasarkan Data Meteorologi Krisna Taufik Brilliansyah; Unit Three Kartini
JURNAL TEKNIK ELEKTRO Vol 12 No 1 (2023): JANUARI 2023
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jte.v12n1.p60-66

Abstract

Pembangkit Listrik Tenaga Surya yang terhubung dengan jaringan PLN atau on grid dalam rumah tinggal berfungsi sebagai cadangan energi atau bahkan menjadi energi utama listrik pada rumah tinggal. Produksi daya listrik PLTS ini dipengaruhi oleh data meteorologi. Permalan daya pembangkitan listrik PLTS on grid berguna untuk mengetahui daya listrik yang diproduksi. Pada penelitian ini menggunakan metode peramalan Recurrent Neural Network Long Short Term Memory. Tujuan penelitian ini adalah untuk memanfaatkan data meteorologi dan model peramalan RNN-LSTM untuk memprediksi daya listrik dalam jangka sangat pendek. Hasil dari penelitian ini model peramalan pada data uji sudah cukup mengikuti pola daya listrik aktual dan menunjukan nilai akurasi peramalan MSE 0,0139 dan MAPE 31,87%. Dapat disimpulkan bahwa metode RNN-LSTM memiliki intrepetasi peramalan dengan predikat layak. Kata Kunci: PLTS on grid, Peramalan, RNN-LSTM.
Penerapan E-Modul Praktikum Instalasi Penerangan Listrik Untuk Meningkatkan Hasil Belajar Pada Kelas XI TITL Di SMK Negeri 2 Surabaya Roesita Dekakovi Tauba Setyawan; Achmad Imam Agung; Subuh Isnur Haryudo; Unit Three Kartini
Jurnal Elektronika dan Teknik Informatika Terapan ( JENTIK ) Vol. 1 No. 3 (2023): 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.v1i3.352

Abstract

The purpose of this study was to determine the practicality, effectiveness and student learning outcomes through the use of the IPL Practicum e-module in class XI TITL at SMK Negeri 2 Surabaya. The novelty of this study is the application of e-modules as new and information technology-based learning tools that contribute to improving student learning outcomes in IPL subjects. The method used is the Pre-Experimental Design in the form of a One-Group Pretest-Posttest Design on a sample of 37 students. Using data analysis techniques includes analysis of practicality, effectiveness as well as, analysis of learning outcomes. In the analysis stage, a needs analysis is carried out aimed at the target of implementation and the pre-test value is obtained, the application is continued to the design stage, adjusting the media to the results of the analysis and several tests are carried out, namely material expert tests, media and language. At the implementation stage, the results of the material expert questionnaire obtained a value of 93%, the media expert questionnaire obtained a value of 83% and, the results of the linguist questionnaire obtained a value of 81%, this means that practical media is used in learning after going through the revision process. The results of the evaluation of learning tools show that the e-module has a significant score of 91% which is categorized as very effective. The pre-test and post-test data on knowledge, skills and attitudes analyzed showed a significance value of zero point zero (0.000) which could mean that there was a significant change in student learning outcomes. Through these results it can be concluded that e-modules are practical and effective in increasing learning outcomes.
Piezoelectric-Based Staircase Lighting System with IoT Monitoring Tulende, James; Rakhmawati, Lusia; Kartini, Unit Three; Rohman, Miftahur
Tarbiyah Wa Ta'lim: Jurnal Penelitian Pendidikan dan Pembelajaran Vol 11 No 3 (2024): TARBIYAH WA TA'LIM November 2024
Publisher : UIN Sultan Aji Muhammad Idris Samarinda

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21093/twt.v11i3.9314

Abstract

Energi terbarukan berperan penting dalam mengatasi dampak negatif lingkungan dari konsumsi energi berbasis bahan bakar fosil. Salah satu energi terbarukan adalah teknologi piezoelektrik dapat mengubah tekanan mekanik menjadi energi listrik. Dalam penelitian ini, piezoelektrik digunakan untuk mengonversi energi dari pergerakan manusia pada tangga menjadi listrik yang dapat digunakan untuk penerangan dan dimonitoring secara IoT. Pemantauan dilakukan melalui aplikasi aplikasi Arduino IoT Cloud Remote pada smartphone secara real-time. Pengujian dilakukan dengan 15 kali pijakan pada prototipe anak tangga, baik saat naik maupun turun, untuk mengukur tegangan yang dihasilkan. Hasil Pengujian menunjukkan bahwa tegangan ketika berat badan >75 kg dapat mencapai 3V pada saat naik tangga, sedangkan pada saat turun tangga berat badan >44 kg dapat mencapai tegangan 3V.
Perancangan Trainer Kit Sensor dan Aktuator serta Pengembangan Modul Pembelajaran Berbasis Proyek untuk Meningkatkan Kompetensi Mahasiswa Teknik Elektro di Universitas Negeri Surabaya (UNESA) Baskoro, Farid; Subuh Isnur Haryudo; Rohman, Miftahur; Kartini, Unit Three
Jurnal JE-UNISLA : Electronic Control, Telecomunication, Computer Information and Power System Vol 10 No 1 (2025): MARET
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/je-unisla.v10i1.1275

Abstract

PBL (Project-Based Learning) menonjol sebagai pendekatan yang penting dalam pendidikan modern karena memberdayakan mahasiswa secara aktif dalam proses pembelajaran. Dalam lingkungan PBL, mahasiswa tidak hanya menjadi penerima informasi, tetapi juga menjadi pembuat pengetahuan dengan terlibat dalam pemecahan masalah yang dihadapi. Penelitian ini bertujuan untuk mengevaluasi pengaruh penerapan PBL terhadap pemahaman dan pencapaian mahasiswa dalam konteks pembelajaran pemrograman dan teknologi sensor. Analisis data pre dan post tes menunjukkan bahwa implementasi PBL secara signifikan meningkatkan rata-rata skor mahasiswa dari 17,18 menjadi 29,81 setelah penerapan PBL. Hasil menunjukkan adanya peningkatan distribusi skor pada tes pasca PBL, dengan peningkatan jumlah jawaban yang benar pada soal-soal yang sebelumnya memiliki sedikit jawaban benar, serta pada soal-soal yang memiliki tingkat jawaban yang tinggi. Ditemukan bahwa PBL tidak hanya meningkatkan pemahaman materi, tetapi juga mengembangkan keterampilan pemecahan masalah dan penerapan konsep dalam konteks nyata.
Co-Authors Achmad Imam Agung Achmad Imam Agung Adam Maulana Adi Reski Ariangga Aditya Prapanca Aguska, Anggi Akbar Tahir Kalbii Amarulloh, Ilham Anjar Novian Asto, I Gusti Putu At - Thariq Ramadhan Ayusta Lukita Wardani Bambang Suprianto . Budiarta, Mohammad Erwin Chatarina Umbul Wahyuni DEDDY PUTRA ARDYANSYAH DWI ARDIANTO Dwikky Sucahyo Putra DZIKRI MUHAJIR EL FAHMI Edy Sulistiyo EKA PRASETYO HIDAYAT Endryansyah Endryansyah Farid Baskoro Fendi Achmad Feri Rohman Syah Ghifari Fikri Yuviyanto Habbib Rakhasiwi Aminulloh Hapsari Peni Hernanda Setiawan I Gusti Putu Asto Buditjahjanto Ibrohim Ichwan Dwi Wahyu Hermanto Ilham Amarulloh Ilham Cahyo Wibowo Aji Ilham Farisi Almadani Indra Iskandar Joko . Joko Joko Kevin Pranata Putra Khoirul Fadli Krisna Taufik Brilliansyah Kristanto, Andika Wisnu Adam Kukuh Eko Purwantoro Lailil Ika Wardani Lilik Anifah Lusia Rakhmawati M. Nanda Tri Maulana Ridwan Mahendra Widyartono Mardika Wahyu Kristanto MASVIKI AGAM Maulana Rizki Aditama Mirza Wahyu Purnama MOCH. NUR ADIWANA Mochammad Iqbal Firmansyah Muhammad Fathoni Muhammad Helmy Anjab Muhammad Mujiburrahman Muhammad Rizka Ardiansyah Muhammad, Yasyfin Nur Mulya Adi Prasetiya Nining Widyah Kusnanik Nofianto Sugiarto Novian Zainun Qorif Putera Nur Kholis Nurhayati Nurhayati Nurwijayanti Pamungkas, Ivan Fahrezi Puguh Ady Mahendra Puput Wanarti Rusimamto Putra Adi Wicaksono Putri, Tiris Mega Raden Mohamad Herdian Bhakti Rani Fajriyah Islamiyati Asfah Rifqi Firmansyah Rifqi Firmansyah, Rifqi Rizqi Rizal Dharmawan Roesita Dekakovi Tauba Setyawan Rois Alfikri RR. Ella Evrita Hestiandari S. Suparji Saifudin Saifudin Saputra, Ramadhan Dwi Sari Cahyaningtias Septian, Bahrul Anas Subuh Isnur Haryudo Syamsul Muarif Tedy Muhammadhy Tjahyaningtijas, Raden Roro Hapsari Peni Agustin Tri Rijanto Tri Wrahatnolo Tulende, James ULIN NIKMATUL CHOIROH W. Wasis Wahyu Tri Handoko WELBI RENALDI SUKRISNA widi . aribowo widi aribowo Widi Aribowo Widi Ariwibowo Wildan Arif Billahi WRAHATNOLO, TRI Yanuarius Kristian Wibisono Yuli Sutoto Nugroho Yulianto, Tri Wahyu Yusuf Rony Rony Yusuf, M. Yusuf Isbakhtiar