Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Elektro RACIC : Rab Construction Research Specta Journal of Technology
Thorikul Huda
Institut Teknologi Kalimantan
Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Electrical & Electronics Engineering Environmental Science

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : specta journal of technology

 1 
Studi Perencanaan Pembangkit Listrik Tenaga Sampah Pada TPA Sambutan Kota Samarinda Thorikul Huda
SPECTA Journal of Technology Vol. 3 No. 2 (2019): SPECTA Journal of Technology
Publisher : LPPM ITK

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (563.883 KB) | DOI: 10.35718/specta.v3i2.109

Abstract

Selama ini sampah selalu dianggap sebagai masalah yang lazim ditemukan pada wilayah perkotaan. Secara umum tata kelola sampah hanya memindahkan sampah dari tempat penampungan sementara (TPS) ke tempat pemrosesan akhir (TPA). Perkembangan teknologi yang semakin maju memberikan solusi alternatif pengolahan sampah menjadi sumber energi. Penerapan teknologi pengolahan sampah menjadi sumber energi terbarukan yaitu Pembangkit Listrik Tenaga Sampah (PLTSa) Kota Samarinda merupakan kota padat penduduk yang menghasilkan produksi sampah yang cukup besar. Sampah organik yang ditimbun akan mengalami proses dekomposisi secara anaerobik sehingga menghasilkan gas yang disebut dengan gas landfill yang dapat di konversikan menjadi energi listrik. Pada penelitian ini untuk mengkonversi gas landfill menggunakan teknologi gas engine dengan tipe janbacher J320 GS yang dapat meghasilkan listrik sebesar 1.063kW. Gas landfill yang dihasilkan pada TPA Sambutan Kota Samarinda mencapai nilai 684.693,866 pada tahun 2019 dan akan meningkat setiap tahunnya sampai dengan tahun 2034 dengan energi listrik yang dihasilkan 2.822.107,61 kWh pada tahun 2019 dan meningkat sampai dengan tahun 2034 dan Biaya investasi untuk pembangunan PLTSa yaitu sebesar Rp. 25.092.450.601 dengan analisis evaluasi investasi NPV= Rp.17.539.868.600, IRR= 19%, BCR= 1,672 dan PB= 3,4 Tahun. Dari hasil evaluasi tersebut diperoleh bahwa perencanaan PLTSa TPA Sambutan di Kota Samarinda dapat memenuhi kriteria kelayakan untuk dibangun.
Pengaruh Jarak Air Gap pada Perfomance Motor Brushless Direct Current Jenis Exterior Rotor Thorikul Huda; Nita Indriani; M Efrizal Gozali
SPECTA Journal of Technology Vol. 1 No. 3 (2017): SPECTA Journal of Technology
Publisher : LPPM ITK

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (704.856 KB)

Abstract

Electric motors today have become an important part in technological developments. One type of electric motor that has been and continues to be developed at this time is brushless direct current (BLDC). BLDC is generally applied as an actuator on electric vehicles. The development of electric vehicles make BLDC motor more varied. This research analize the influence of air gap distance on the design performance of BLDC motor with exterior rotor type. The BLDC motor has rated voltage 48 V and input current 23A.
Effectiveness of the Number of Extracted Features from MFCC on Deep Learning for Fault Classification of Industrial Machinery Based on Acoustic Signal: 283 - 293 Thorikul Huda; Min-Fu Hsieh; Faaris Mujaahid; Muhammad Rhido Dewanto
SPECTA Journal of Technology Vol. 10 No. 2 (2026): Specta Journal of Technology
Publisher : LPPM ITK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35718/specta.v10i2.1344

Abstract

Reliable and efficient fault classification of induction motors is a critical concern in industrial environments. This study focuses on four operational states of a three-phase induction motor: normal function, imbalance fault, and horizontal and vertical misalignment faults. We propose a comparative analysis of the impact of the number of features extracted from Mel-frequency Cepstral Coefficient (MFCC) for reliable fault diagnosis of induction motors using acoustic emission signal processing. In this work, Long Short-Term Memory (LSTM) is utilized as the fault classification algorithm, and its performance is compared with three other deep learning models: Feed-Forward Neural Network (FFNN), Convolutional Neural Network (CNN), and Recurrent Neural Network (RNN). The results demonstrate that using LSTM with 13 MFCC features achieves a validation accuracy of approximately 97.4%, with 26 MFCC features achieving 96.12%, and with 39 MFCC features achieving 96.3%.
Co-Authors Aprillia, Happy Faaris Mujaahid Firilia Filiana Ifan Awang Riski Widayat Kartika Nugraheni Kholiq Deliasgarin M Efrizal Gozali Min-Fu Hsieh Muhammad Rhido Dewanto Muhammad Ridho Dewanto Nita Indriani Raftonado Situmorang