Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Nasional Teknik Elektro dan Teknologi Informasi Konstelasi: Konvergensi Teknologi dan Sistem Informasi
Martanto
Universitas Sanata Dharma
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Perbandingan Dua Observer Kecepatan Motor Arus Searah pada Sistem Kendali tanpa Sensor Kecepatan Bernadeta Wuri Harini; Martanto; Tjendro
Jurnal Nasional Teknik Elektro dan Teknologi Informasi Vol 11 No 4: November 2022
Publisher : Departemen Teknik Elektro dan Teknologi Informasi, Fakultas Teknik, Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/jnteti.v11i4.5019

Abstract

In a sensorless motor speed control system, the motor speed is not directly measured using a speed sensor, but it is estimated using an observer. The sensorless speed control systems are mostly applied to AC motors, while they have not been widely applied to DC motors. Therefore, this paper presents simple observers to estimate the DC motor speed. The observers used were based on the DC motor electric equation. Two methods were used in this research. The first method was the observer estimating the speed based on the resistance inductance values (L-R method), while the second was the observer estimating the motor’s speed only based on the motor’s resistance value (R method). The speed was estimated using armature current (ia) and voltage (va). Therefore, a current and voltage sensor was used. Not only was the observer estimated, but it was also implemented on a real DC motor. An Arduino microcontroller was used to calculate the speed. The LN298 was used as a DC motor drive. Even though the R method is simpler, the test result showed that its speed estimation was less precise than the L-R method. By manual calculation, the motor speed estimation result in the L-R method had an error of 0.14%, while the motor speed estimation results in the R method had an error of 5.03%. The estimation results of motor speed implemented on a real DC motor and microcontroller system in the L-R method had an error of 3.98%, while the result of the estimation of motor speed in the R method had an error of 4.87%.
Sistem Pengendalian Kecepatan Kipas Angin Menggunakan Isyarat Tangan Berbasis Convolutional Neural Network Luthfi Aliananto; Wiwien Widyastuti; Martanto
KONSTELASI: Konvergensi Teknologi dan Sistem Informasi Vol. 6 No. 1 (2026): Juni 2026
Publisher : Program Studi Sistem Informasi Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/konstelasi.v6i1.11452

Abstract

Perkembangan teknologi yang cepat menuntut manusia untuk melakukan segala hal secara cepat dan efektif. Salah satu tren saat ini adalah pengendalian alat dengan menggunakan teknologi kecerdasan buatan. Dengan menggunakan bantuan dari kecerdasan buatan, pengendalian dapat dilakukan secara lebih cepat, efektif, intuitif dan ramah pengguna. Salah satu aplikasi teknologi kecerdasan buatan untuk pengendalian adalah untuk mengendalikan kecepatan kipas angin. Sistem dibangun menggunakan convolutional neural network (CNN). Ada  empat tahap yang dilakukan yaitu pra-pemrosesan citra, pelatihan, pengujian dan penerapan pada alat. Data pelatihan yang digunakan berjumlah 160 data foto isyarat tangan dari 10 orang yang berbeda-beda. Data tersebut telah mencakup keempat gambar isyarat tangan yang digunakan untuk mengendalikan kecepatan kipas angin. Hasil pelatihan CNN dengan nilai akurasi terbaik dipilih untuk diaplikasikan dengan sistem pengendali kipas secara real-time. Hasil prediksi isyarat selanjutnya dikirimkan menuju ke Arduino UNO sebagai pengendali relai yang digunakan untuk memilih mode kecepatan kipas angin. Penelitian ini memperoleh akurasi terbaik sebesar 90% pada proses pelatihan, dan akurasi sebesar 81% pada proses pengujian. Persentase keberhasilan dari alat ini adalah sebesar 92,5%.
Co-Authors Bernadeta Wuri Harini Luthfi Aliananto Tjendro Wiwien Widyastuti