Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

5.318

P-Index

This Author published in this journals

Giovanni Dimas Prenata

Program Studi Teknik Elektro, Universitas 17 Agustus 1945 Surabaya

Author-ID : 6457162

Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Immunology & microbiology Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Physics Public Health Social Sciences Other

Published : 37 Documents Claim Missing Document

Claim Missing Document

Articles

1 2 3 4

IMPACT OF BALL BEARING DAMAGE VARIATIONS ON THE EFFICIENCY OF SQUIRREL CAGE 3-PHASE INDUCTION MOTORS Widagdo, Reza Sarwo; Andriawan, Aris Heri; Prenata, Giovanni Dimas
-
Publisher : RELE (Rekayasa Elektrikal dan Energi) : Jurnal Teknik Elektro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30596/rele.v7i1.20192

This research aims to determine the initial diagnosis of damage to a 3-phase induction motor. Ball bearings are one of the important components in this induction motor which play a role in supporting the load and allowing smooth rotation. However, like all mechanical components, ball bearings in 3-phase induction motors are also susceptible to failure in motor performance and can even cause damage to the motor as a whole. There are ways to detect several disturbances in induction motors, namely through speed analysis, current fluctuations, and increases in motor temperature when operating. Based on the results of measurement data for 14 days, the average current value in normal bearing conditions is 1.36 A, while in broken bearing conditions the average current value is 1.55 A and in rusty bearing conditions 1.52 A. The increase in current is due to because the rotor does not rotate in a balanced manner so that the electric field in the stator changes, this causes an increase in the motor's current and temperature.

The Impact of Load Unbalance on Neutral Conductors Losses and Transformer Efficiency Widagdo, Reza Sarwo; Prenata, Giovanni Dimas; Rafli, Syah Achmad Amar
BEES: Bulletin of Electrical and Electronics Engineering Vol 5 No 1 (2024): July 2024
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bees.v5i1.5540

The transformer is a crucial component in the electrical energy distribution system. Therefore, strict supervision is necessary to ensure that the electricity supply network is maintained and safe during operational processes. This research aims to measure the transformer load installed at PT. Sunrise Steel to determine the values of loading, imbalance, power losses, and efficiency of the loaded transformers. This measurement is important to ensure that the values resulting from operational processes do not exceed predetermined limits. Observations over 10 days show that the peak load value during operational time is 66.08%, which can still be categorized as quite good. The load imbalance reached a maximum value of 10.13%, which is categorized as poor since SPLN regulations state that a good imbalance should be below 10%. The percentage of power loss has a maximum value of 0.33%, and the best transformer efficiency reaches 97.17%, which is the highest efficiency value considering several other loss parameters.

Sistem Kendali Motor Penggerak Trolley Pada Unit Rubber Tyred Gantry Berbasis PLC Setiawan, Dani Agus; Prenata, Giovanni Dimas
Jurnal Teknik Elektro dan Komputasi (ELKOM) Vol 6, No 2 (2024): ELKOM
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/elkom.v6i2.22816

Rubber Tyred Gantry (RTG) merupakan alat bongkar muat di pelabuhan. Pada trolley RTG terdapat crane yang berfungsi untuk menaikkan/menurunkan kontainer. Permasalahan yang timbul adalah trolley tergelincir akibat kemiringan antara roda trolley terhadap rel. Kemiringan terjadi karena keausan akibat gesekkan antara body trolley dan rel. Hal tersebut terjadi karena jarak yang melebar antara body trolley terhadap rel. Pada penelitian ini peneliti merancang sistem untuk mendeteksi kemiringan mencegah terjadi gesekkan yang berakibat tergelicirnya trolley RTG. Inputan sensor jarak (HCSR-04) dioleh oleh Arduino Uno R3 yang selanjutnya dikategorikan menggunakan fuzzy. Output dari fuzzy dipergunakan oleh PLC untuk memberikan input pada VFD untuk mengatur kecepatan putaran motor penggerak roda. Peneliti membuat miniatur RTG trolley yang berhasil mensejajarkan roda kiri dan roda kanan ketika terdeteksi ketidaksejajaran. Hasil dari pengujian dari alat ini adalah bagian trolley yang terjustifikasi miring akan secara otomatis lurus kembali mengikuti bagian trolley yang terjustifikasi tidak miring.

Kajian Teknis Kebutuhan Genset sebagai Sumber Energi Cadangan di UNTAG Surabaya Junico Dwi Yussarianto; Giovanni Dimas Prenata
Mars: Jurnal Teknik Mesin, Industri, Elektro Dan Ilmu Komputer Vol. 2 No. 4 (2024): Agustus: Mars: Jurnal Teknik Mesin, Industri, Elektro Dan Ilmu Komputer
Publisher : Asosiasi Riset Teknik Elektro dan Informatika Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61132/mars.v2i4.225

To fulfil the needs of electricity, UNTAG Surabaya Building uses electrical energy derived from PLN. But, the provision of electrical energy from PLN unable to constantly supply electrical energy without interruption. So, to overcome it, it’s obligatory to have an electrical energy back-up system in the form of a Genset so electrical energy for building needs is preserved. The Genset works automatically, so when PLN's electrical energy goes out, the generator will immediately work. Conversely, if PLN's electrical energy back to normal, the generator will stop working. Because the electrical energy back-up system at UNTAG Surabaya has been working for really long, it’s obligatory to evaluate also re-analyze the generator back-up system. The analysis is carried out by performing calculations assisted by the ETAP simulation program. For generator efficiency, it is still quite good, which is only 68.25%., because the generator only supplies loads that are an urgent priority. From the simulation results, the load must be provide by the generator is 273.04kW/341.3kVA and the generator capacity used is 400kW/500kVA. In that case, the performance of the genset is still within the limits of its capabilities.

Flow Pump Motor Speed Controller System Using PLC Simatic PCS-7 and PID in PT Sun Paper Source Prenata, Giovanni Dimas; Baihaqi, Ahmad
BEST Vol 7 No 1 (2025): BEST
Publisher : Universitas PGRI Adi Buana Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36456/best.vol7.no1.9278

Motor speed control can be done using PID. Through the PID tuning process on the Simatic PCS 7 PLC, the values Kp = 6, Ki = 45 and Kd = 8 were obtained as parameters for regulating the rotation speed of the pump motor. PID tuning was previously carried out in Matlab by entering the transfer function equation of the pump motor and then obtaining the constant values Kp = 4, Ki = 12 and Kd = 16 through the PID tuning process. The performance of motor speed control using PID (PLC Simatic PCS 7) is not up to target, this is because the PID tuning process takes place simultaneously with the operation of the PLC as the main controller of the production process.

Klasifikasi Suhu Pada Peralatan Listrik Tegangan Tinggi Menggunakan K- Nearest Neighbor Giovanni Dimas Prenata; Aswanda Harja; Izzah Aula Wardah
TESLA: Jurnal Teknik Elektro Vol 27 No 1 (2025): TESLA: Jurnal Teknik Elektro
Publisher : Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/tesla.v27i1.33225

The application of Artificial Intelligence (AI) for classifying safe or hazardous conditions in high-voltage electrical equipment using thermal images is a relatively new and emerging approach. Thermal imaging provides a visual representation of temperature distribution across an object’s surface by utilizing color differences. High-temperature areas are typically represented in white, indicating potential hazards such as overheating or insulation failure. In contrast, non-white regions such as blue, green, or purple correspond to lower temperatures and are generally considered safe. This study employs feature extraction techniques to process thermal image data and obtain quantitative parameters, specifically the percentage of white and non-white areas within each image. These parameters serve as the input features for classification purposes. The dataset used in this research consists of 10 thermal images for training and 2 thermal images for testing. The classification process utilizes the K-Nearest Neighbor (K-NN) algorithm, with Euclidean Distance employed to measure the similarity between the test data and training samples. The images are then ranked based on proximity values, and classification is performed using different values of K. Testing was conducted by varying the value of K from 1 to 7 to assess the impact on classification performance. The results demonstrate that this method achieved a maximum classification accuracy of 71.42%. These findings suggest that AI-based image classification has significant potential for enhancing predictive maintenance and early detection of abnormal conditions in high-voltage electrical equipment through automated thermal image analysis. Pemanfaatan kecerdasan buatan (Artificial Intelligence/AI) dalam klasifikasi kondisi aman atau berbahaya pada peralatan bertegangan tinggi berdasarkan citra thermal merupakan pendekatan yang relatif baru dan masih jarang diterapkan secara luas. Citra thermal memungkinkan visualisasi distribusi suhu pada permukaan objek melalui perbedaan warna. Area yang menunjukkan suhu tinggi biasanya divisualisasikan dalam warna putih dan diidentifikasi sebagai area dengan potensi bahaya, seperti adanya komponen yang mengalami pemanasan abnormal. Sebaliknya, warna selain putih seperti biru, hijau, atau ungu mengindikasikan suhu yang lebih rendah, sehingga dikategorikan sebagai kondisi yang aman. Dalam penelitian ini, dilakukan proses ekstraksi fitur dari citra thermal untuk memperoleh data kuantitatif berupa persentase luas area berwarna putih dan non-putih. Parameter ini selanjutnya digunakan sebagai dasar dalam proses klasifikasi. Dataset terdiri dari 10 gambar yang digunakan sebagai data pelatihan dan 2 gambar sebagai data pengujian. Metode klasifikasi yang digunakan adalah K-Nearest Neighbor (K-NN), dengan pengukuran jarak antar data dilakukan menggunakan rumus Euclidean Distance. Setiap data uji dibandingkan terhadap data latih berdasarkan nilai kedekatan jarak tersebut, lalu dilakukan klasifikasi berdasarkan nilai K tertentu. Pengujian dilakukan dengan variasi nilai K mulai dari 1 hingga 7. Hasil dari proses klasifikasi menunjukkan bahwa pendekatan ini mampu mencapai tingkat akurasi sebesar 71,42%. Temuan ini menunjukkan potensi AI dalam membantu pengambilan keputusan kondisi peralatan listrik berbasis analisis citra thermal.

Klasifikasi Suhu Pada Peralatan Listrik Tegangan Tinggi Menggunakan Single Perceptron Prenata, Giovanni Dimas; Wardah, Izzah Aula; Setiyawan, Ryan Agus
Jurnal Teknik Elektro dan Komputasi (ELKOM) Vol 7, No 2 (2025): ELKOM
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/elkom.v7i2.23876

Penelitian ini mengusulkan pendekatan baru dalam pemanfaatan kecerdasan buatan untuk mengklasifikasikan kondisi aman atau bahaya berdasarkan citra thermal, yang sebelumnya belum pernah diterapkan. Proses dimulai dengan melakukan ekstraksi fitur dari citra thermal, yang bertujuan untuk menghitung persentase area berwarna putih serta area dengan warna selain putih. Informasi ini dijadikan dasar untuk proses klasifikasi lebih lanjut. Sebanyak 10 citra thermal digunakan sebagai data latih untuk membentuk model klasifikasi, sementara 2 citra lainnya digunakan sebagai data uji guna mengukur performa sistem. Metode yang digunakan dalam penelitian ini adalah jaringan saraf tiruan (JST) dengan arsitektur single perceptron. Proses pelatihan dilakukan sebanyak enam kali iterasi. Namun, hasil menunjukkan bahwa penyesuaian bobot sudah mencapai kestabilan bahkan pada iterasi pertama. Hal tersebut menunjukkan bahwa model belajar dengan cepat berdasarkan data pelatihan. Model JST yang telah dilatih ini kemudian digunakan untuk menguji kemampuan klasifikasi terhadap data baru. Hasil pengujian menunjukkan tingkat akurasi yang sangat tinggi, yaitu mencapai 100% dalam mengidentifikasi kondisi pada citra thermal termasuk kategori aman atau berbahaya. Hal ini menunjukkan bahwa pendekatan berbasis JST sederhana sekalipun mampu memberikan performa klasifikasi yang sangat baik jika fitur yang digunakan cukup representatif. ecara keseluruhan, penelitian ini membuktikan bahwa kombinasi antara ekstraksi fitur sederhana dan algoritma pembelajaran mesin dasar dapat secara efektif mendeteksi potensi bahaya dari citra thermal, serta membuka peluang untuk pengembangan sistem pemantauan otomatis berbasis visual thermal di masa depan.

KLASIFIKASI KEANDALAN SISTIM DISTRBUSI TENAGA LISTRIK DI PT. PLN (PERSERO) UP3 SURABAYA SELATAN MENGGUNAKAN METODE K-NEAREST NEIGHBOR (KNN) Prenata, Giovanni Dimas
Jurnal Informatika dan Teknik Elektro Terapan Vol. 11 No. 3s1 (2023)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v11i3s1.3397

Kehandalan merupakan bagian mendasar untuk mendistribusikan energi listrik. PT. PLN harus mampu mendistrbusikan energi listrik dengan tingkat kehandalan yang tinggi. Penggunaan metode K-Nearest Neighbor merupakan metode supervise learning untuk melakukan klasifikasi pengkategorian handal dan tidak handal. Peneliti melakukan klasifikasi data SAIDI dan SAIFI untuk periode 10 bulan (Januari hingga Oktober) tahun 2021 di PT. PLN UP3 Surabaya Selatan menggunakan metode K-Nearest Neighbor. Program KNN dibuat menggunakan bahasa C++. Data SAIDI dan SAIFI bulan November dan Desember 2021 dipergunakan sebagai data uji. Hasil dari prediksi menggunakan K=1, K=2, K=3, K=4, K=5, K=6 dan K=6 menghasilkan akurasi 100% dalam mengkategorikan handal dan tidak handal.

RANCANG BANGUN SISTEM KENDALI HOIST RUBBER TYRED GANTRY CRANE BERBASIS PROGRAMMABLE LOGIC CONTROLLER DAN FUZZY Fidhini, Fachrul Fauzan; Prenata, Giovanni Dimas; Swarga, Lutfi Agung
Jurnal Informatika dan Teknik Elektro Terapan Vol. 12 No. 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4740

Rubber Tyred Gantry (RTG) crane merupakan shore crane yang digunakan untuk bongkar muat di pelabuhan. Pada RTG terdapat spreader untuk menjapit kontainer berpenggerak motor. Spreader sering mengalami kerusakan yang diakibatkan bertabrakan dengan kontainer saat turun berkecepatan tinggi. Untuk mengatasi hal tersebut peneliti membuat prototype untuk mengatur kecepatan putaran motor hoist dengan menerapkan kendali kecepatan motor hoist berbasis PLC serta implementasi sensor HCSR-04 untuk mendeteksi jarak spreader terhadap kontainer.

Evaluation of ANN Training Methods: A Comparative Study of Back Propagation, Genetic Algorithm, and Particle Swarm Optimization for Predicting Electrical Energy Consumption Prenata, Giovanni Dimas
Emitor: Jurnal Teknik Elektro Vol 25, No 3: November 2025
Publisher : Universitas Muhammadiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23917/emitor.v25i3.12719

This study compares the performance of ANN with three training methods: Backpropagation (BP), Genetic Algorithm (GA), and Particle Swarm Optimization (PSO) in a simple classification case. The results show that ANN GA has the smallest average error (0.0308), followed by ANN BP (0.0569), while ANN PSO is much larger (0.7559). Thus, ANN GA proved to be the most stable and accurate, ANN BP still performed quite well, while ANN PSO had the weakest performance.

Co-Authors Adrianty Basyarach, Niken Ahmad Ridhoi Ahmad Ridho’i Ahmad Ridho’i Ahmad Ridho’i Andi Patriadi Aris Heri Andriawan, Aris Heri Aswanda Harja Baihaqi, Ahmad Basyarach, Niken Adriaty Eriko Ramadhani, Mohammad Fachrul Fauzan Fidhini Fidhini, Fachrul Fauzan Florentina Kuway Izzah Aula Wardah Junico Dwi Yussarianto Kukuh Setyadjit Labib Ubaidillah Iskhan Lutfi Agung Swarga Maulana Arief Mohammad Eriko Ramadhani Mohd Rizal Arshad Muhammad Alif Sofi Syariffudin Noufanda, Yudo Farrel Prasetyo, Arif Bayu Prayoga, Ageng Puji Slamet, Puji Rafli, Syah Achmad Amar Reza Sarwo Widagdo ridhoi, achmad Ridhoi, Ahmad Ridho’i, Ahmad Setiawan, Dani Agus Setiyawan, Ryan Agus Subekti Yuliananda, Subekti Subyakto, Doris Wardah, Izzah Aula

Title

Found 37 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 37 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 37 Documents
Search