Claim Missing Document
Check
Articles

Found 16 Documents
Search

SKEMA KOORDINASI PERSIMPANGAN UNTUK KELANCARAN ARUS LALU LINTAS DENGAN METODE NEURAL NETWORK Pingky, Ginda Pingky Ramadhani; Mat Syai’in; Zindhu Maulana Ahmad Putra; Ahmad Putra; Ii Munadhif; Imam Sutrisno
Jurnal Elektronika dan Otomasi Industri Vol. 11 No. 2 (2024): Vol. 11 No.2 (2024) : Jurnal Elkolind Vol.11, No. 2, 2024 (Juli 2024)
Publisher : Program Studi Teknik Elektronika Politeknik Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/elkolind.v11i2.5367

Abstract

Transportasi perkotaan, salah satu infrastruktur penting kota, yang memainkan peran penting dalam fungsi normal kota, telah menjadi fokus perhatian dan diskusi di seluruh masyarakat. Volume kendaraan yang semakin meningkat menyebabkan adanya kemacetan terutama pada persimpangan empat. Tidak adanya koordinasi antar lampu lalu lintas juga menjadi salah satu faktor kemacetan belum dapat diatasi hingga saat ini. Untuk mengatasi masalah tersebut yaitu dengan menerapkan lampu lalu lintas cerdas agar dapat meminimalisir kepadatan atau kemacetan pada jalan raya. Lampu lalu lintas yaitu sistem yang menerapkan waktu dinamis sesuai dengan volume kendaraan, apabila jalur dengan tingkat kepadatan tinggi maka secara otomatis delay lampu hijau akan semakin lama, sedangkan apabila volume kendaraan lenggang maka delay lampu hijau akan semakin cepat. Delay lampu hijau akan menyesuaikan dengan tingkat kepadatan lalu lintas. Dengan menggunakan Image Processing sebagai proses mengolah gambar kendaraan sehingga menghasilkan jumlah kendaraan, yang nantinya jumlah kendaraan tersebut akan diolah kembali menggunakan metode Neural Network. Lampu lalu lintas pada setiap jalur akan saling terkoordinasi agar tidak terjadi penumpukan pada salah satu titik yang padat. Output yang dihasilkan yaitu berupa waktu delay lampu hijau sesuai dengan volume kendaraan. Diharapkan dari penelitian ini yaitu terciptanya lampu lalu lintas cerdas menggunakan metode Neural Network. Sehingga nantinya dapat diterapkan juga sebagai salah satu alternatif untuk meminimalisir kemacetan. Dari hasil penerapan Neural Network pada percobaan koordinasi persimpangan didapatkan hasil dari 6 kali uji coba, yaitu pada persimpangan pertama mendapatkan error rata-rata atau MSE (Mean Squared Error) sebesar 1.0063, pada persimpangan kedua mendapatkan error rata-rata sebesar 0.9063, dan pada persimpangan ketiga mendapatkan error rata-rata sebesar 0.9970.
Accessing Ping Sonar Echosounder Produksi ROVMAKER pada Mikrokontroler dan Data Noise Reduction dengan Kalman Filter Adam Maulana, Adam Maulana; Joko Endrasmono; Zindhu Maulana Ahmad Putra; Lilik Subiyanto; Mohammad Basuki Rahmat; M.Khoirul Hasin; Isa Rachman; Agus Khumaidi; Yuning Widiarti; Ryan Yudha Adhitya; Dimas Pristovani Riananda
Jurnal Elektronika dan Otomasi Industri Vol. 11 No. 1 (2024): Jurnal Elkolind Vol. 11 No.1 (Mei 2024)
Publisher : Program Studi Teknik Elektronika Politeknik Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/elkolind.v11i1.5389

Abstract

Two-thirds of Indonesia's territory is waters that have a high risk of flooding. Bathymetric surveys are important for flood management because they provide depth and topography data to determine the need for dredging of a water area. Traditional bathymetric surveys produce less than optimal coverage due to limited ship movements. This research aims to develop an automatic bathymetry system using a ping sonar echosounder sensor integrated with a USV (Unmanned Surface Vehicle). The ping sonar echosounder produced by ROVMAKER can generally only be accessed using the built-in software from the ROVMAKER manufacturer and can now be integrated with the microcontroller system on the USV to increase the efficiency of bathymetric system performance. This research also uses the Kalman filter method to reduce sensor reading noise. Validation of the suitability of the sensor shows an average error of 2.94% at a depth of 1400mm and 2.195% at a depth of 2200mm, which shows that the sensor is classified as suitable for use. The optimal noise reduction in the Kalman filter experiment is at a variance ratio (R/Q) of 1000 with an RMSE of 5.05mm at a depth of 1400mm and 3.99mm at a depth of 2200mm. This system has been proven to increase the accuracy of bathymetric data and system access efficiency.
Optimasi Posisi Kapal Autonomous Menggunakan Modul GNSS – RTK dengan Metode FGS - PID Tegar, Gandhi Achmad Tegar Prakasa; Joko Endrasmono; Dimas Pristovani Riananda; Purwidi Asri; Abu Jami’in; Ii Munadhif; Zindhu maulana Ahmad Putra
Jurnal Elektronika dan Otomasi Industri Vol. 11 No. 2 (2024): Vol. 11 No.2 (2024) : Jurnal Elkolind Vol.11, No. 2, 2024 (Juli 2024)
Publisher : Program Studi Teknik Elektronika Politeknik Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Sistem navigasi otomatis yang berbasis satelit yaitu Global Nvaigation Satellite System (GNSS) atau lebih dikenal dengan Global Positioning System (GPS) sangat umum digunakan untuk menentukan lokasi yakni mengambil data dari titik koordinatnya. Penelitian ini bertujuan meningkatkan akurasi dan efisiensi navigasi kapal dengan mengoptimalkan metode positioning waypoint menggunakan Global Navigation Satellite System Real-Time Kinematic (GNSS RTK) dan menerapkan metode Fuzzy Gain Scheduling of PID (FGS-PID). GNSS RTK menyediakan informasi posisi real-time dengan akurasi tinggi, sedangkan metode FGS-PID mengombinasikan kontrol PID dengan penyesuaian parameter otomatis melalui fuzzy logic untuk optimalisasi posisi kapal survei batimetri otonom. Meskipun GPS telah meningkatkan akurasi navigasi, tantangan tetap ada dalam mencapai akurasi optimal, terutama di perairan yang membutuhkan ketepatan tinggi. Penelitian ini diharapkan dapat memberikan solusi untuk meningkatkan keakurasian navigasi kapal di laut.
Perancangan Keputusan Cut Off Baterai ROV menggunakan Metode Decision Tree Zhafirah, Talitha Amalia; Agus Khumaidi; Zindhu Maulana Ahmad Putra; Dwi Sasmita Aji Pambudi; Ryan Yudha Adhitya; Didik Sukoco
Jurnal Elektronika dan Otomasi Industri Vol. 11 No. 1 (2024): Jurnal Elkolind Vol. 11 No.1 (Mei 2024)
Publisher : Program Studi Teknik Elektronika Politeknik Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/elkolind.v11i1.5469

Abstract

Dalam beberapa dekade terakhir, teknologi transportasi bawah air telah berkembang pesat, ditandai dengan munculnya berbagai jenis kendaraan bawah air yang semakin canggih, termasuk Remotely Operated Vehicle (ROV). ROV menggunakan baterai sebagai sumber energi karena sifatnya yang portabel dan efisien. Baterai ROV memerlukan sistem proteksi bayerai yang efisien untuk mencegah kerusakan serta memperpanjang masa pakai baterai. Dengan ini, metode decision tree diterapkan dalam perancangan keputusan cut off baterai ROV. Pengambilan keputusan ditentukan oleh nilai arus dan tegangan yang dibaca oleh sensor INA219. Dalan decision tree, nilai gain terbesar dijadikan node utama atau root node. Dalam penelitian ini nilai gain yang diperoleh sama besar akibat dataset yang seimbang, data pertama dipilih sebagai root node berdasarkan prinsip Occam's Razor untuk kesederhanaan. Sehingga nilai dari sensor 1 akan dijadikan node utama atau root node. Perancangan keputusan cut off baterai ROV menggunakan metode decision tree memberikan hasil yang efektif dan efisien dalam pengendalian daya baterai ROV
Implementasi Deteksi Kelengkapan APD pada Hazardous Area menggunakan Metode YoloV5 Ar Rahmah, Nur Zafira Arya; Adianto; Rini Indarti; Zindhu Maulana Ahmad Putra; Edy Setiawan; Afif Zuhri Arfianto
Jurnal Elektronika dan Otomasi Industri Vol. 11 No. 3 (2024): Jurnal Elkolind Vol. 11 No. 3 (September 2024)
Publisher : Program Studi Teknik Elektronika Politeknik Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/elkolind.v11i3.5744

Abstract

Menurut data International Labour Organization, hampir 380.000 pekerja meninggal setiap tahunnya dan 374 juta pekerja mengalami cedera akibat kecelakaan kerja. Hazardous area adalah area berbahaya di industri yang mewajibkan penggunaan APD secara lengkap. Namun, seringkali pekerja kurang disiplin dalam penggunaan APD saat bekerja, yang dapat meningkatkan risiko kecelakaan kerja. Penelitian ini bertujuan untuk membuat sistem pendeteksian jenis APD yang digunakan pekerja pada hazardous area. metode yang digunakan penulis dalam penelitian ini yakni YOLOV5. Karena YOLOV5 mampu mendeteksi secara realtime dan lebih akurat dibadingkan dengan versi sebelumnya. Dataset yang digunakan 2600 gambar yang terbagi pada kelas lengkap, tidak lengkap, helm, kacamata masker, penutup telinga, sarung tangan, rompi, sepatu, tanpa helm, tanpa kacamata tanpa masker, tanpa penutup telinga, tanpa sarung tangan, tanpa rompi, tanpa sepatu, Pada penelitian ini, akurasi yang didapat dengan menggunakan metode YOLOV5 yang dihitung dengan persamaan yang ada dihasilkan 87%. Didapat nilai pressicion terhadap recall seluruh kelas sebesar 89%, recall terhadap confidence seluruh kelas ebesar 96%.
Implementasi Robot Operating System pada Robot ABU ROBOCON 2024 dengan Metode High Precision Path Planning Jawed Iqbal Alfaruqiy; Joko Endrasmono; Zindhu maulana Ahmad Putra
Jurnal Elektronika dan Otomasi Industri Vol. 11 No. 3 (2024): Jurnal Elkolind Vol. 11 No. 3 (September 2024)
Publisher : Program Studi Teknik Elektronika Politeknik Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/elkolind.v11i3.6313

Abstract

Kontes Robot Indonesia (KRI) adalah kompetisi nasional dalam bidang robotika yang diselenggarakan oleh Pusat Prestasi Nasional, Kementerian Pendidikan dan Kebudayaan Republik Indonesia. Salah satu kategorinya, Kontes Robot ABU Indonesia (KRAI), mengikuti tema dan aturan dari ABU Robocon. Pada tahun 2024, tema "Harvest Day" mengharuskan robot bergerak otomatis tanpa intervensi manual, menjadikan lokalisasi yang akurat sangat penting untuk memastikan pergerakan robot yang tepat di arena. Lokalisasi, yang merupakan proses penentuan posisi robot, dilakukan menggunakan Robot Operating System (ROS), memanfaatkan pustaka seperti Gazebo dan RViz untuk meningkatkan akurasi dan pemantauan gerakan robot. Dengan Adaptive Monte Carlo Localization (AMCL) dan sensor RPLidarA1M8, robot dapat menentukan posisinya pada sumbu x dan y, serta arah gerak berikutnya. Penelitian ini menunjukkan bahwa AMCL dalam ROS efektif untuk lokalisasi dan perencanaan jalur dengan parameter yang dapat disesuaikan. Namun, untuk hasil optimal, diperlukan peningkatan desain perangkat keras, terutama pada swerve drive dan rotary encoder, serta komunikasi yang lebih efisien antara mikrokontroler STM32F407VGTx dan laptop agar perencanaan jalur lebih cepat dan efektif.