Article Per Year (5 Year)
p-Index From 2021 - 2026
0.983
P-Index
This Author published in this journals
All Journal Syntax Idea Jurnal Minfo Polgan (JMP) Jurnal Indonesia Sosial Teknologi Cerdika: Jurnal Ilmiah Indonesia
Bambang Yulianto
Gunadarma University Depok, Indonesia
Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Economics, Econometrics & Finance Education Environmental Science Health Professions Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Public Health Social Sciences

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
Rancang Bangun Repeater Lora Rfm95 Dengan Frekuensi 915 Mhz Berbasis Esp32 Bambang Dwinanto; Bambang Yulianto
Cerdika: Jurnal Ilmiah Indonesia Vol. 4 No. 2 (2024): Cerdika : Jurnal Ilmiah Indonesia
Publisher : Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59141/cerdika.v4i2.752

Abstract

Kegiatan alam seperti mendaki gunung merupakan kegiatan yang membutuhkan sistem komunikasi yang baik, apakah itu untuk keperluan mengetahui posisi ataupun komunikasi ke sesama pendaki dalam suatu kelompok kecil ataupun besar. Kasus hilangnya pendaki sering terjadi di pegunungan, sehingga komunikasi dalam pencarian di daerah pegunungan menjadi salah satu hal yang sulit saat melakukan pencarian. Tujuan dari rancang bangun repeater LoRa RFM95 dengan frekuensi 915 MHz berbasis ESP32 adalah untuk meningkatkan jangkauan dan stabilitas komunikasi dalam jaringan LoRa. Penelitian skala internasional mengenai pengujian performansi LoRa menyimpulkan bahwa jarak jangkauan LoRa sangat dipengaruhi oleh kondisi area yang diuji. Oleh karena itu, diperlukan repeater untuk LoRa RFM95 menambah jarak jangkauan yang mengacu pada metode System Development Life Cycle (SDLC). Hasil uji coba yang dilakukan untuk transmitter dan receiver dapat berkomunikasi sejauh 80meter dengan kondisi line of sight (LoS) dan 60meter dengan kondisi non-line of sight (NLOS). Hasil uji coba yang dilakukan repeater dapat memperluas jangkauan komunikasi sejauh 60meter dengan kondisi line of sight dan 40meter dengan kondisi non-line of sight (NLOS).
Sistem Pengereman Dinamik Dan Pengendali Kecepatan Pada Motor DC Bambang Yulianto; Mochamad Karjadi; Bambang Dwinanto
Syntax Idea 3669-3680
Publisher : Ridwan Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46799/syntax-idea.v6i8.4313

Abstract

Motor listrik adalah mesin listrik yang mengubah energi listrik menjadi energi mekanik. Berdasarkan fisiknya secara umum motor DC terdiri dari bagian yang diam (stator) dan bagian yang berputar (rotor). Motor DC bekerja berdasarkan prinsip interaksi antar dua fluks magnetik. Kumparan jangkar akan mengahasilkan fluks magnet yang melingkar dan kumparan medan akan menghasilkan fluks magnet yang arahnya bergerak dari kutub utara menuju kutub selatan. Sebuah gaya akan timbul akibat interaksi dari kedua fluks tersebut. Motor DC memiliki beberapa metode dalam melakukan pengereman salah satunya adalah metode pengereman dinamik. Prinsip kerja dari pengereman dinamik adalah memutuskan sumber tegangan dari jangkar motor yang sedang berkerja dan memasangkan sebuah tahanan pada terminal jangkarnya. Pada saat motor DC diputus dari sumber tegangan, maka motor tersebut berubah fungsi menjadi generator sementara, karena sisa putaran dan arus sisa pada motor digunakan untuk menyuplai lampu pijar. Tahanan yang dipasang pada terminal jangkar digantikan dengan tahanan pada lampu pijar. Dan dalam melakukan pengendalian kecepatan pada motor DC memiliki beberapa metode juga, metode penyearah terkendali satu fasa menggunakan thyristor (SCR) adalah metode pengendali kecepatan motor yang digunakan pada rancangan ini. Dimana SCR ini akan menyulut atau memotong gelombang tegangan input yang akan mengakibatkan penurunan dan penaikan tegangan pada output rangkaian penyulut (trigger). Penurunan dan penaikan tegangan ini yang dimanfaatkan untuk mengatur atau mengendalikan kecepatan pada motor DC
Prototype Smart Car Mecanum Wheel Fire Extinguisher Based On Esp 32 Cam With Bluetooth Combination Bambang Dwinanto; Abdurrazaq Afiif Lubis; Mochammad Karjadi; Bambang Yulianto; Bambang Harianto
Jurnal Indonesia Sosial Teknologi Vol. 4 No. 8 (2023): Jurnal Indonesia Sosial Teknologi
Publisher : Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59141/jist.v4i8.689

Abstract

The development of microcontroller technology has been implemented in the robotics industry, particularly in performing tasks that are risky for living beings, especially humans. In this context, a wheeled smart car robot can automatically extinguish fires. The fire extinguishing system is taken over by the robot's system when fire or heat is detected, and the robot's controller activates the extinguishing system, spraying water at the fire point. The ESP 32 CAM microcontroller serves as the processing and controlling unit, handling data and displaying real-time camera images to ensure accurate fire extinguishing. Additionally, a mecanum wheel drive mechanism is added to enhance the robot's movement flexibility.
Paradigma Klasifikasi Ragam Seni Lukis Berbasis Convolutional Neural Network (CNN) Dengan MobileNetV2 Dan Implementasi Pada Postman Melalui Flask Api Ratu Nurmalika; Makmun Makmun; Bambang Yulianto; Ichsani Mursidah; Dhian Sweetania; Puji Sularsih
Jurnal Minfo Polgan Vol. 13 No. 2 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i2.14457

Abstract

Tujuan dari penelitian ini adalah untuk membuat model klasifikasi genre seni lukis menggunakan Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2. MobileNetV2 dipilih karena kemampuannya untuk bekerja dengan baik meskipun digunakan pada perangkat dengan daya komputasi terbatas. Data yang digunakan dalam penelitian ini mencakup berbagai genre seni lukis yang didapatkan secara gratis melalui situs Kaggle. yang kemudian melakukan Data Preprocessing dan Augmentation. Setelah model dilatih, langkah implementasi dilakukan menggunakan framework web Flask, yang berbasis Python. Ini memungkinkan API untuk diakses melalui Postman. API ini memungkinkan pengguna mengunggah karya seni dan menerima prediksi genre sebagai tanggapan. Hasil penelitian menunjukkan bahwa model yang dikembangkan dapat mengklasifikasikan genre seni lukis dengan akurasi 82% dan kehilangan 0.4, dan bahwa Application Program Interface (API) yang dibangun dapat berfungsi dengan baik untuk menyediakan layanan prediksi. Diharapkan bahwa penerapan ini akan memberikan kontribusi yang signifikan dalam bidang analisis seni dan aplikasi teknologi dalam seni lukis, serta memberikan alat yang bermanfaat bagi kurator, seniman, dan peneliti seni.
Analisis Sentimen Pengguna pada Ulasan Game Honkai Star Rail Menggunakan Algoritma Support Vector Machine (SVM) Ichsani Mursidah; Remi Sanjaya; Bambang Yulianto; Dhian Sweetania; Puji Sularsih
Jurnal Minfo Polgan Vol. 14 No. 1 (2025): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v14i1.14982

Abstract

Pesatnya perkembangan industri game digital membawa dampak pada tingginya volume ulasan pengguna di berbagai platform aplikasi. Salah satu game yang mendapat perhatian besar adalah Honkai Star Rail. Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap game tersebut dengan memanfaatkan algoritma Support Vector Machine (SVM). Data yang digunakan berupa 6.193 ulasan pengguna yang diperoleh melalui proses web scraping dari platform Google Play Store. Sebelum dilakukan proses klasifikasi, data diproses melalui tahapan preprocessing yang meliputi cleansing, normalisasi, tokenizing, stopword removal, dan stemming. Kemudian dilakukan pembobotan menggunakan metode TF-IDF. Proses klasifikasi menghasilkan akurasi sebesar 80%, dengan kecenderungan sentimen pengguna lebih dominan pada kategori positif. Hasil penelitian ini dapat menjadi masukan bagi pengembang game dalam meningkatkan kualitas aplikasi berdasarkan persepsi pengguna.
Klasifikasi Sentimen Google Play Store Aplikasi ChatGPT Berbahasa Indonesia Berbasis IndoBERT Ichsani Mursidah; Remi Sanjaya; Bambang Yulianto; Dhian Sweetania; Puji Sularsih
Jurnal Minfo Polgan Vol. 14 No. 2 (2025): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v14i2.15751

Abstract

Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap ulasan pengguna aplikasi ChatGPT berbahasa Indonesia dengan memanfaatkan metode IndoBERT. Sentimen pengguna diklasifikasikan ke dalam tiga kelas, yaitu positif, negatif, dan netral. Data yang digunakan dalam penelitian ini berjumlah 25.111 ulasan yang diperoleh dari Google Play Store. Dataset tersebut kemudian melalui tahapan pra-pemrosesan teks yang meliputi text cleaning, tokenization, penghapusan stopword, normalisasi, serta stemming. Metode IndoBERT diterapkan pada proses pelabelan sekaligus klasifikasi sentimen, sementara kinerja model dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil pengujian menunjukkan bahwa model IndoBERT mampu mencapai nilai akurasi sebesar 89%, presisi 87%, recall 89%, dan F1-score sebesar 88%. Temuan ini mengindikasikan bahwa IndoBERT memiliki performa yang baik dan efektif dalam melakukan klasifikasi sentimen pada teks berbahasa Indonesia. Penelitian ini diharapkan dapat memberikan kontribusi dalam pengembangan kajian analisis sentimen berbasis Bahasa Indonesia serta menjadi referensi dalam upaya peningkatan kualitas dan pengalaman pengguna pada aplikasi ChatGPT maupun aplikasi serupa.
Co-Authors Abdurrazaq Afiif Lubis Bambang Harianto Dhian Sweetania Dwinanto, Bambang Ichsani Mursidah Makmun Mochamad Karjadi Mochammad Karjadi Puji Sularsih Ratu Nurmalika Remi Sanjaya