Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : TEKNIK

Rancang Bangun Alat Terapi Lengan Continous Passive Motion (CPM) dengan Control Electromyograph (EMG) Untuk Pasien Pasca Operasi dan Stroke Setiono, Fajar; Rofii, Faqih; Setiawidayat, Sabar
TEKNIK Vol 40, No. 3 (2019): Desember 2019
Publisher : Diponegoro University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (760.164 KB) | DOI: 10.14710/teknik.v40i3.25119

Abstract

Continous Passive Motion (CPM) adalah gerakan pasif yang terus menerus berfungsi melatih kinerja lengan dan kaki untuk pemulihan kekakuan gerakan yang diterapkan setelah operasi dan sakit strok. Electromyogram merupakan alat yang digunakan untuk merekam dan menganalisis sinyal myoelectric pada aktifitas otot lengan. Peralatan kesehatan dalam bidang fisiotherapy telah mengalami berbagai perkembangan untuk pemulihan pasien patah tulang yang membutuhkan alat bantu perangkat (CPM) . Perangkat CPM yang ada masih menggunakan sistem analog dan tidak ada sistem monitoring kondisi pasien, maka di perlukan peralatan yang dapat digunakan secara otomatis untuk mengendalikan mekanik dengan memakai motor dc. Rotary Encoder dan rangkaian Pulse Wave Modulation dan memonitoring pasien secara kontinu. Pada skripsi kali ini perangakat Continuous Passive Motion (CPM) lengan Dengan Control Electromyograph (EMG) di gabungkan untuk menyatukan kedua fungsi masing – masing alat sehingga alat ini dapat mengoptimalkan proses penyembuhan terhadap pasien. Hasil dari penelitian ini menunjukan identifikasi pembacaan sensor sinyal EMG.
Perancangan Sistem Pemantauan Gas dan Peringatan pada Ruangan melalui Jaringan Nirkabel Bhasworo, Gunawan Kunto; Rofii, Faqih; Hunaini, Fachrudin
TEKNIK Vol 38, No 2 (2017): (Desember 2017)
Publisher : Diponegoro University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (375.232 KB) | DOI: 10.14710/teknik.v38i2.15073

Abstract

Udara adalah suatu campuran gas yang terdapat pada  lapisan yang mengelilingi bumi. Gas CO merupakan salah satu gas yang mengandung  zat yang tidak baik yang tidak dapat ditangkap oleh panca indera, gas tersebut bersifat membunuh makhluk hidup termasuk manusia. Hidrogen sulfida  (H2S) adalah gas yang tidak berwarna, beracun, mudah terbakar dan berbau seperti telur busuk. . Konsentrasi H2S dalam jumlah yang rendah, dapat membahayakan keselamatan manusia. Dalam konsentrasi 100 PPM dapat menyebabkan kematian dalam waktu 2-5 menit. Tidak kalah berbahayanya adalah hydrocarbon gas exploison atau ledakan yang diakibatkan kebocoran LPG (metana) pada ruang tertutup. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sebuah sistem pemantau gas dan peringatan pada ruangan melalui jaringan nirkabel. Dengan menggabungkan PC (Personal Computer), Arduino, Arduino Wifi shield, Router, LCD (Liquid Crystal Display), Buzzer serta sensor gas TGS 2620 dan 2602 serta 2442 yang merupakan sensor-sensor dengan sensitivitas yang tinggi terhadap gas LPG (metana) dan H2S serta CO dengan konsumsi daya rendah. Di peroleh sistem pemantau gas dan peringatan pada ruangan melalui jaringan nirkabel yang dapat mendeteksi dan memberikan peringatan apabila ada gas-gas berbahaya CO, H2S dan LPG (metana)
Peningkatan Akurasi Penghitungan Jumlah Kendaraan dengan Membangkitkan Urutan Identitas Deteksi Berbasis Yolov4 Deep Neural Networks Rofii, Faqih; Priyandoko, Gigih; Fanani, Muhammad Ifan; Suraji, Aji
TEKNIK Vol. 42, No. 2 (2021): August 2021
Publisher : Diponegoro University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/teknik.v42i2.37019

Abstract

Models for vehicle detection, classification, and counting based on computer vision and artificial intelligence are constantly evolving. In this study, we present the Yolov4-based vehicle detection, classification, and counting model approach. The number of vehicles was calculated by generating the serial number of the identity of each vehicle. The object is detected and classified, marked by the display of bounding boxes, classes, and confidence scores. The system input is a video dataset that considers the camera position, light intensity, and vehicle traffic density. The method has counted the number of vehicles: cars, motorcycles, buses, and trucks. Evaluation of model performance is based on accuracy, precision, and total recall of the confusion matrix. The results of the dataset test and the calculation of the model performance parameters had obtained the best accuracy, precision. Total recall values when the model testing was carried out during the day where the camera position was at the height of 6 m and the loss of 500 was 83%, 93%, and 94%. Meanwhile, the lowest total accuracy, precision, and recall were obtained when the model was tested at night. The camera position was at the height of 1.5 m, and 900 losses were 68%, 77%, and 78%.