Article Per Year (5 Year)
p-Index From 2020 - 2025
0.702
P-Index
This Author published in this journals
All Journal Majalah Ilmiah Teknologi Elektro Majalah Ilmiah Teknologi Elektro
Putu Adhitya Santika Dharma
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy Engineering

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Pendeteksi Kebocoran Gas dan Kebakaran Dini Menggunakan NodeMCU Berbasis Telegram Cokorda Gde Indra Raditya; Putu Adhitya Santika Dharma; I Kadek Ardian Ananda Putra; Ida Bagus Ketut Sugirianta; Ida Bagus Irawan Purnama
Jurnal Teknologi Elektro Vol 21 No 1 (2022): (Januari - Juni) Majalah Ilmiah Teknologi Elektro
Publisher : Universitas Udayana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24843/MITE.2022.v21i01.P03

Abstract

Pemanfaatan sumber daya alam dan energi semakin hari semakin meningkat, salah satunya adalah penggunaan gas bumi sebagai bahan bakar baik untuk kebutuhan rumah tangga maupun industri. Aspek safety dalam penggunaan gas ini haruslah diperhatikan karena kebocoran gas dapat memicu terjadinya kebakaran. Maka dari itu dibutuhkan alat yang dapat mendeteksi dan menotifikasi kebocoran gas sedini mungkin. Penelitian ini mengusulkan alat pendeteksi kebocoran gas berbasis Internet of Things (IoT) menggunakan NodeMCU ESP8266 sebagai mikrokontroler. Sistem pendeteksian ini menggunakan sensor MQ-2 sebagai pendeteksi kadar gas dan flame sensor sebagai pendeteksi sinar ultraviolet sebagai indikasi adanya api. Output yang dihasilkan berupa pesan notifikasi dari Telegram Bot yang dikirimkan melalui NodeMCU. Dalam hal ini, buzzer dan LED akan memberikan sinyal jika sensor MQ-2 mendeteksi kadar gas di atas 500 ADC, lalu NodeMCU akan mengirim perintah kepada Telegram Bot untuk mengirimkan pesan notifikasi secara realtime. Disamping itu, kadar gas yang terdeteksi juga ditampilkan pada layar LCD 16x2. Hasil percobaan menunjukkan bahwa jarak ideal untuk mendeteksi gas adalah di bawah 6 cm, sedangkan api di bawah 20 cm dengan waktu respon sensor 2 detik. Dengan alat ini diharapkan dapat meminimalisir resiko kebakaran akibat kebocoran gas. Kata Kunci— kebakaran, kebocoran gas, NodeMCU, Telegram
Pendeteksi Penggunaan Masker Wajah dengan ESP32Cam Menggunakan OpenCV dan Tensorflow Putu Adhitya Santika Dharma; Komang Agus Widyatmika; I Nengah Suparta; I Made Sumerta Yasa; Anak Agung Ngurah Gde Sapteka
Jurnal Teknologi Elektro Vol 21 No 2 (2022): (Juli - Desember) Majalah Ilmiah Teknologi Elektro
Publisher : Universitas Udayana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24843/MITE.2022.v21i02.P01

Abstract

The government's recommendation to wear masks daily is very important to avoid the Covid-19. This article analyzes the use of the ESP32 Cam as a mask detector, where proper use must cover the nose and mouth. The captured images can be retrieved and executed by a program created using Python. The OpenCV library is used to access the camera, while the TensorFlow library with training files in the datasheet performs mask detection. The experimental results of detecting masks in bright conditions show the fastest time is 1 second with an ideal distance of 1m and a maximum distance of 2.5m. On the other hand, in dark conditions, the fastest time is 2 seconds with an ideal distance of 1m and a maximum distance of 1.5m.
Pendeteksi Kebocoran Gas dan Kebakaran Dini Menggunakan NodeMCU Berbasis Telegram Cokorda Gde Indra Raditya; Putu Adhitya Santika Dharma; I Kadek Ardian Ananda Putra; Ida Bagus Ketut Sugirianta; Ida Bagus Irawan Purnama
Jurnal Teknologi Elektro Vol 21 No 1 (2022): (Januari - Juni) Majalah Ilmiah Teknologi Elektro
Publisher : Program Studi Magister Teknik Elektro Universitas Udayana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24843/MITE.2022.v21i01.P03

Abstract

Pemanfaatan sumber daya alam dan energi semakin hari semakin meningkat, salah satunya adalah penggunaan gas bumi sebagai bahan bakar baik untuk kebutuhan rumah tangga maupun industri. Aspek safety dalam penggunaan gas ini haruslah diperhatikan karena kebocoran gas dapat memicu terjadinya kebakaran. Maka dari itu dibutuhkan alat yang dapat mendeteksi dan menotifikasi kebocoran gas sedini mungkin. Penelitian ini mengusulkan alat pendeteksi kebocoran gas berbasis Internet of Things (IoT) menggunakan NodeMCU ESP8266 sebagai mikrokontroler. Sistem pendeteksian ini menggunakan sensor MQ-2 sebagai pendeteksi kadar gas dan flame sensor sebagai pendeteksi sinar ultraviolet sebagai indikasi adanya api. Output yang dihasilkan berupa pesan notifikasi dari Telegram Bot yang dikirimkan melalui NodeMCU. Dalam hal ini, buzzer dan LED akan memberikan sinyal jika sensor MQ-2 mendeteksi kadar gas di atas 500 ADC, lalu NodeMCU akan mengirim perintah kepada Telegram Bot untuk mengirimkan pesan notifikasi secara realtime. Disamping itu, kadar gas yang terdeteksi juga ditampilkan pada layar LCD 16x2. Hasil percobaan menunjukkan bahwa jarak ideal untuk mendeteksi gas adalah di bawah 6 cm, sedangkan api di bawah 20 cm dengan waktu respon sensor 2 detik. Dengan alat ini diharapkan dapat meminimalisir resiko kebakaran akibat kebocoran gas. Kata Kunci— kebakaran, kebocoran gas, NodeMCU, Telegram
Pendeteksi Penggunaan Masker Wajah dengan ESP32Cam Menggunakan OpenCV dan Tensorflow Putu Adhitya Santika Dharma; Komang Agus Widyatmika; I Nengah Suparta; I Made Sumerta Yasa; Anak Agung Ngurah Gde Sapteka
Jurnal Teknologi Elektro Vol 21 No 2 (2022): (Juli - Desember) Majalah Ilmiah Teknologi Elektro
Publisher : Program Studi Magister Teknik Elektro Universitas Udayana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24843/MITE.2022.v21i02.P01

Abstract

The government's recommendation to wear masks daily is very important to avoid the Covid-19. This article analyzes the use of the ESP32 Cam as a mask detector, where proper use must cover the nose and mouth. The captured images can be retrieved and executed by a program created using Python. The OpenCV library is used to access the camera, while the TensorFlow library with training files in the datasheet performs mask detection. The experimental results of detecting masks in bright conditions show the fastest time is 1 second with an ideal distance of 1m and a maximum distance of 2.5m. On the other hand, in dark conditions, the fastest time is 2 seconds with an ideal distance of 1m and a maximum distance of 1.5m.
Co-Authors Anak Agung Ngurah Gde Sapteka Cokorda Gde Indra Raditya I Kadek Ardian Ananda Putra I Made Sumerta Yasa Ida Bagus Irawan Purnama Ida Bagus Irawan Purnama Ida Bagus Ketut Sugirianta Komang Agus Widyatmika Prof. Dr.I Nengah Suparta,M.Si .