Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Jurnal Techno Bahari

Perbandingan Cascade Forward Neural Network dan Feed Forward Neural Network untuk Prediksi Keluaran Daya PV di PLTH Pantai Baru Bantul Mahmudah, Norma; Millah, Ibrahim Saiful; Afandi, Achmad
Techno Bahari Vol 9 No 2 (2022)
Publisher : Politeknik Negeri Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52234/tb.v9i2.214

Abstract

Solar power plants have several advantages, namely continuous production, reduced electricity demand, low maintenance of Photovoltaic (PV) and PV life of more than 30 years, so that the use of solar panels can be optimized by using PV power output predictions. The goal is to determine the PV power output for the future. PV power output prediction can use Artificial Neural Network (ANN). In this study, a comparison was made of PV power output predictions using the Cascade Forward Neural Network (CFNN) and Feed Forward Neural Network (FFNN) using the Levenberg-Marquard Algorithm as the activation function of the PV power output prediction learning process. The magnitude of the error is calculated using the Mean Square Error (MSE). From the results of research using the Cascade Forward Neural Network (CFNN) method with the Levenberg-Marquard algorithm, it is obtained that the MSE results are better at a learning rate of 0.1 with an MSE of 0.0042% while for the Feed Forward Neural network (FFNN) it also uses the Levenberg- Marquard obtained MSE results of 0.007% with a learning rate of 0.05. The research results show that CFNN gives the best MSE value, so that the smallest MSE value is used as a reference in energy management systems to predict PV power output.
Rancang Bangun Baterai Estimator Pada Kendaraan Listrik Dengan Metode Fuzzy Logic Furqon, Muhammad; Ramadhani, Nofan Dwi Cahya; Afandi, Achmad; Praharsena, Bayu; Fardany, A Labib; Mustofa, Ahmad
Techno Bahari Vol 12 No 1 (2025): Maret
Publisher : Politeknik Negeri Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52234/tb.v12i1.345

Abstract

Baterai adalah komponen utama kendaraan listrik yang penting untuk kinerja optimal dan keamanan. Penelitian ini mengembangkan sistem estimasi kapasitas baterai menggunakan metode Fuzzy Logic Sugeno dengan input tegangan dan arus, serta output berupa remaining time (sisa waktu). Implementasi dilakukan pada platform Arduino dan dibandingkan dengan simulasi MATLAB. Data dari kedua platform, Arduino dan MATLAB, dianalisis untuk mengevaluasi keakuratan dan konsistensi hasil estimasi. Sistem ini juga dilengkapi dengan sensor GPS untuk mengetahui titik koordinat kendaraan listrik, meskipun data ini tidak digunakan dalam proses estimasi kapasitas baterai. Hasil penelitian menunjukkan bahwa metode Fuzzy Logic Sugeno memberikan estimasi remaining time baterai yang akurat. Perbandingan hasil estimasi antara Arduino dan simulasi MATLAB menunjukkan konsistensi, meskipun terdapat perbedaan kecil akibat perbedaan implementasi dan lingkungan eksekusi. Dengan demikian, sistem ini dapat diandalkan untuk meningkatkan efisiensi dan keselamatan operasional kendaraan listrik.
Alat Sortir Telur Ayam Berbasis Multisensor Afandi, Achmad; Fahri, Dimas; Mahmudah, Norma; Wulandari, Apriliya; Furqon, Muhammad; Annaji, Safin
Techno Bahari Vol 12 No 1 (2025): Maret
Publisher : Politeknik Negeri Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52234/tb.v12i1.351

Abstract

Penentuan kualitas telur secara akurat sangat penting dalam industri. Sebuah Iindustri peternakan ayam di wilayah Sidoarjo, Jawa Timur masih dilakukan secara manual menggunakan tenaga manusia yang memiliki banyak kelemahan diantaranya adalah tingkat ketelitian yang rendah, waktu sortir yang lama serta resiko telur terjatuh atau terinjak manusia. Untuk itu penelitian ini merancang mesin sortir telur menggunakan sensor Light Dependent Resistor (LDR) dan sensor load cell. Mesin sortir telur pada penelitian ini menggunakan metode kuantitatif observatif. Telur dikategorikan kedalam telur baik dan buruk. Sensor LDR mendeteksi intensitas cahaya untuk menilai kualitas berdasarkan transparansi cangkang, sedangkan sensor loadc ell juga digunakan mengukur berat telur yang juga menjadi parameter penting dalam proses klasifikasi. Sistem ini menggunakan mikrokontroler untuk mengolah data dari kedua sensor tersebut untuk proses sortasi menjadi kategori baik, busuk, kecil, sedang, dan besar. Hasil dari penelitian ini menunjukkan pembacaan sensor LDR memiliki nilai error sebesar 0,91% dan loadcell sebesar 0,01% sehingga dapat disimpulkan ketelitian proses sortasi telur pada penelitian ini memiliki akurasi yang tinggi.