Claim Missing Document
Check
Articles

Found 5 Documents
Search

ANALISIS PERANGKAT REFLOW MESIN SOLDER BERBASIS KOMPOR LISTRIK MENGGUNAKAN METODE PID ZIEGLER-NICHLOS UNTUK PEMBUATAN ALAT NAVIGASI AIS Ahmada, Ezra Adillafasyah; Arfianto, Afif Zuhri; Asri, Purwidi; Putra, Zindhu Maulana Ahmad; Adhitya, Ryan Yudha; Pambudi, Dwi Sasmita Aji; Riananda, Dimas Pristovani
Jurnal 7 Samudra Vol. 9 No. 1 (2024): Jurnal 7 Samudra
Publisher : PPPM - POLITEKNIK PELAYARAN SURABAYA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54992/7samudra.v9i1.178

Abstract

Penelitian ini menganalisis performa mesin solder berbasis kompor listrik yang diatur menggunakan metode PID (Proportional-Integral-Derivative) Ziegler-Nichols. Penggunaan kompor listrik sebagai sumber panas menawarkan kontrol suhu yang presisi dan efisiensi energi. Untuk mencapai kestabilan dan akurasi suhu optimal, metode PID Ziegler-Nichols dipilih karena kemampuannya menentukan parameter kontrol optimal melalui prosedur sistematis yang efektif dalam berbagai aplikasi industri. Penelitian ini melibatkan perancangan dan pengembangan mesin solder, implementasi algoritma PID Ziegler-Nichols untuk pengaturan suhu, serta pengujian dan evaluasi performa mesin dalam berbagai kondisi operasi. Hasil penelitian menunjukkan bahwa mesin solder dengan pengaturan PID Ziegler-Nichols mencapai kontrol suhu lebih akurat dan stabil dibandingkan metode konvensional. Penelitian ini berkontribusi pada pengembangan teknologi mesin solder yang lebih efisien dan ramah lingkungan serta menjadi referensi untuk pengembangan sistem kontrol suhu pada mesin industri lainnya.
Identifikasi Warna Buoy Menggunakan Metode You Only Look Once Pada Unmanned Surface Vehicle Romadloni, Faiz; Endrasmono, Joko; Putra, Zindhu Maulana Ahmad; Khumaidi, Agus; Rachman, Isa; Adhitya, Ryan Yudha
Jurnal Teknik Elektro dan Komputer TRIAC Vol 10, No 1 (2023): Mei 2023
Publisher : Jurusan Teknik Elektro Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/triac.v10i1.19650

Abstract

Abstract— Unmanned Surface Vehicle merupakan kapal permukaan tanpa awak yang dapat beroperasi secara otomatis maupun manual dengan kontrol dari manusia. Unmannned Surface Vehicle dilengkapi oleh berbagai sistem seperti sistem komunikasi, sistem propulsi, dan sistem deteksi yang memungkinkannya untuk dapat berlayar dan bernavigasi dengan baik. Salah satu sarana navigasi yang penting dalam dunia pelayaran adalah buoy (pelampung suar). Buoy memiliki kode warna tertentu yang digunakan sebagai tanda peringatan, larangan, atau perintah bagi kapal yang memasuki area tersebut. Oleh karena itu, identifikasi warna buoy secara cepat, tepat, dan real-time sangat dibutuhkan untuk mengurangi potensi kecelakaan di wilayah laut, terutama pada Unmanned Surface Vehicle yang tidak memiliki awak kapal. Pada penelitian ini digunakan metode You Only Look Once untuk mengidentifikasi warna buoy. Metode You Only Look Once dipilih karena dapat mendeteksi objek secara real-time dengan kecepatan yang tinggi. Dari hasil penelitian didapatkan nilai Mean Average Precision sebesar 99,3% dan nilai average loss sebesar 0,2383. Algoritma ini juga telah diuji pada intensitas cahaya yang berbeda beda. dimana semua pengujian menghasilkan rata rata nilai deteksi sebesar 98,8% untuk buoy merah dan 100% untuk buoy hijau. Sehingga dapat disimpulkan bahwa metode ini memiliki nilai yang baik dalam deteksi maupun akurasi.Kata Kunci— Unmanned Surface Vehicle, Buoy, You Only Look Once, Warna, Real-Time
Visualisasi 3D dan Estimasi Volume Data Batimetri menggunakan Metode Trapezoidal Numerical Integration Putra, Zindhu Maulana Ahmad; Noorman Rinanto; Adam Maulana; Ryan Yudha Adhitya; Dimas Pristovani Riananda
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.v11i2.6477

Abstract

Indonesia, yang meliputi dua pertiga wilayahnya dengan air, sangat rentan terhadap banjir, terutama selama musim hujan. Survei batimetri yang akurat sangat penting untuk menilai kedalaman air dan topografi untuk memitigasi risiko banjir. Metode tradisional yang menggunakan ping sonar echosounder di kapal memiliki kemampuan manuver yang terbatas. Studi ini memperkenalkan Autonomous Surface Vehicle (ASV) yang dilengkapi dengan sonar canggih dan sistem navigasi, yang mengikuti titik-titik jalan untuk mengumpulkan data batimetri yang terperinci. Metode integrasi numerik trapesium (TNI) digunakan untuk memperkirakan volume dari data ini. Uji validasi dengan kubus buatan pada kedalaman 1,120 meter dan 0,9 meter menunjukkan akurasi yang tinggi, dengan volume rata-rata 0,4073 m³ dan 0,4107 m³, serta nilai RMSE yang rendah, yaitu 0,0323 m³ dan 0,0366 m³. Dalam pengujian di dunia nyata, metode ASV dan TNI memberikan hasil yang konsisten, dengan volume rata-rata terukur sebesar 9,4267 m³ dalam kolam uji berukuran 10 x 10 meter. Temuan ini menegaskan bahwa metode TNI adalah alat yang dapat diandalkan untuk survei batimetri yang tepat.
3D Scanner Pemantau Ketersediaan Kalsium Karbonat Pada Silo: 3D Scanner Pemantau Ketersediaan Kalsium Karbonat Pada Silo Putra, Zindhu Maulana Ahmad; Boedi Herijono; Dania Kiki Sandiya; Ryan Yudha Adhitya; Mat Syai’in; Rachmad Tri Soelistijono; Ii Munadhif; Samudra Rozzak Arrachman; Achmad Nawawi
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.v11i3.6566

Abstract

Penelitian ini mengembangkan sistem pemantauan stok kalsium karbonat di dalam silo menggunakan teknologi LiDAR dan metode Trapezoidal Numerical Integration untuk mengukur volume bahan. Sensor LiDAR digunakan untuk memindai jarak dan menghasilkan data point clouds yang diproses oleh mikrokontroler ESP32. Data yang diperoleh dikirim ke laptop untuk visualisasi 3D dan perhitungan estimasi volume serta massa bahan. Sistem ini dirancang dengan komponen input, proses, dan output yang terintegrasi, termasuk tombol start, sensor LiDAR, dan tombol emergency. Pengujian dilakukan dengan tiga kondisi permukaan kalsium karbonat dengan permukaan rata, menggunung, dan cekung, untuk menguji akurasi sistem. Hasil pengujian menunjukkan akurasi yang bervariasi, dengan kesalahan rata-rata 2,53% pada permukaan rata, 6,6% pada permukaan menggunung, dan 5,2% pada permukaan cekung. Perbedaan bentuk permukaan mempengaruhi akurasi pengukuran, dimana permukaan cekung menghasilkan volume yang lebih rendah dan permukaan menggunung menghasilkan volume yang lebih tinggi dari volume sebenarnya. Hasil ini menunjukkan bahwa metode yang digunakan efektif untuk estimasi volume dan massa, meskipun dipengaruhi oleh variasi bentuk permukaan.
Klasifikasi profil roasting biji kopi menggunakan neural network Faturrahman, Bima; Endrasmono, Joko; Ardiana, Mirza; Khumaidi, Agus; Putra, Zindhu Maulana Ahmad; Annisa, Aulia Rahma
Jurnal Elektronika dan Otomasi Industri Vol. 12 No. 3 (2025): Jurnal Elkolind Vol 12 No 3 (September 2025)
Publisher : Program Studi Teknik Elektronika Politeknik Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/elkolind.v12i3.7237

Abstract

Penelitian ini bertujuan untuk mengembangkan model klasifikasi tingkat kematangan biji kopi menggunakan neural network dengan algoritma backpropagation. Tingkat kematangan biji kopi dibagi ke dalam tiga kategori, yaitu light roast, medium roast, dan dark roast, dengan parameter input berupa suhu maksimum dan durasi proses penyangraian. Data yang digunakan diperoleh dari eksperimen yang dilakukan dengan mesin sangrai otomatis. Model ini dioptimalkan menggunakan algoritma Adam dan dievaluasi menggunakan fungsi loss Mean Squared Error (MSE) dan Sum of Squared Error (SSE). Untuk menilai akurasi klasifikasi, evaluasi kinerja dilakukan dengan menggunakan confusion matrix. Hasil penelitian menunjukkan bahwa model yang dikembangkan mampu mengklasifikasikan tingkat kematangan biji kopi dengan akurasi yang sangat tinggi, mencapai 96,67% pada data uji. Dalam penelitian ini, variasi learning rate dan jumlah hidden unit juga diuji untuk mencari konfigurasi yang optimal. Hasilnya menunjukkan bahwa kombinasi learning rate sebesar 0,01 dan jumlah hidden unit sebanyak 15 memberikan performa terbaik dengan kestabilan dan efisiensi pelatihan yang sangat baik.