Claim Missing Document
Check
Articles

Found 2 Documents
Search

RANCANG BANGUN ALAT UKUR KETINGGIAN AIR BERBASIS SENSOR KAPASITIF DI LABORATORIUM PANTAI DAN DINAMIKA PANTAI BRIN KAWASAN YOGYAKARTA Suharjanto, David; Sumarna, Sumarna; Susatijo, Gatot
Jurnal Ilmu Fisika dan Terapannya Vol 11, No 2 (2024): Jurnal Ilmu Fisika dan Terapannya (JIFTA)
Publisher : Prodi Fisika, Departemen Pendidikan Fisika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21831/fisika - s1.v11i2.22281

Abstract

Penelitian ini bertujuan untuk mewujudkan alat ukur ketinggian air berbasis sensor kapasitif di Laboratorium Pantai dan Dinamika Pantai BRIN Kawasan Yogyakarta dengan analisis fungsi transfer dan karakteristik alat ukur. Metode dalam penelitian ini meliputi perancangan alat, pengujian alat, pengambilan data, dan analisis data. Rancang bangun alat ukur terdiri dari rangkaian osilator, rangkaian pembagi frekuensi, elektroda sensor, rangkaian komparator, rangkaian gerbang logika, rangkaian filter pasif low-pass, rangkaian penguat dan filter aktif low-pass. Prinsip kerja alat ukur berupa perubahan ketinggian air  pada dua pelat tembaga di elektroda sensor menyebabkan perubahan kapasitansi  sehingga didapatkan perubahan tegangan keluaran . Elektroda sensor dirancang dengan dua pelat tembaga yang saling berhadapan dengan panjang 1 m, lebar 0,03 m, dan jarak 0,005 m dengan dielektrik air sumur. Rangkaian osilator sebagai pembangkit sinyal sinusoidal frekuensi 4 MHz, lalu menjadi sinyal kotak frekuensi 125 kHz oleh rangkaian pembagi frekuensi, rangkaian komparator sebagai pembanding sinyal antar masukan, rangkaian gerbang logika untuk modifikasi sinyal, rangkaian filter pasif low-pass untuk mem-filter sinyal, dan rangkaian penguat dan filter aktif low-pass untuk menguatkan sekaligus mem-filter sinyal.  Hasil penelitian ini menunjukkan bahwa alat ukur ketinggian air berbasis sensor kapasitif berhasil diwujudkan dengan masukan berupa ketinggian elektroda sensor yang tercelup air (cm) dengan keluaran sensor berupa tegangan (V) dengan rentang pengukuran 0100 cm. Alat ukur ketinggian air berbasis sensor kapasitif termasuk dalam open-loop system. Analisis step response pada fungsi transfer atau Htotal (s) didapatkan persamaan y=0,03x yang menggambarkan respons linier dan menunjukkan kesesuaian dengan hasil kalibrasi alat. Hasil ini mengindikasikan bahwa model fungsi transfer yang dikembangkan dapat  memprediksi perilaku alat ukur dengan tingkat akurasi yang memadai. Persamaan kalibrasi alat ukur ketinggian air berbasis sensor kapasitif yaitu x=(y-2,441)/0,0408 dengan  adalah tegangan keluaran (V) dan  adalah ketinggian elektroda sensor yang tercelup air (cm) dengan tingkat linieritas 99,71%, sensitivitas 0,04 V per cm, presisi 98,54%, dan akurasi 97,31%.
Optimalisasi DoRA untuk Deteksi Ujaran Kebencian Berbahasa Indonesia Berbasis Transformer Suharjanto, David; Sumarsono, Sumarsono
Jurnal Nasional Teknologi dan Sistem Informasi Vol 11 No 3 (2025): Desember 2025
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v11i3.2025.341-349

Abstract

Ujaran kebencian (UK) merupakan fenomena meresahkan yang cepat menyebar melalui media sosial, menimbulkan dampak negatif pada kohesi sosial dan kesehatan mental individu. Di Indonesia, peningkatan kasus UK menuntut pengembangan sistem deteksi otomatis yang cepat dan akurat. Penelitian sebelumnya telah memanfaatkan model transformer, namun sering kali disertai dengan penambahan arsitektur deep learning seperti CNN atau BiLSTM, yang justru meningkatkan kompleksitas model. Penelitian ini bertujuan untuk mengoptimalkan kinerja deteksi UK berbahasa Indonesia dengan menerapkan teknik Weight-Decomposed Low-Rank Adaptation (DoRA) pada model transformer pre-trained IndoBERT-Base, IndoBERT-Large, dan IndoBERTweet-Base. Efektivitas DoRA dibandingkan dengan teknik full fine-tuning dievaluasi menggunakan dataset berisi 13.169 twit berbahasa Indonesia yang telah dianotasi. Hasil eksperimen menunjukkan bahwa DoRA secara konsisten meningkatkan kinerja pada semua model yang diuji. Model IndoBERTweet-Base dengan DoRA mencapai F1-score tertinggi sebesar 89,64%, melampaui full fine-tuning IndoBERTweet (88,18%) serta hasil terbaik dari studi sebelumnya yang menggunakan arsitektur lebih kompleks, seperti IndoBERTweet + CNN (87,60%) dan IndoBERTweet + BiLSTM (88,30%). Temuan ini menunjukkan bahwa fine-tuning model transformer menggunakan DoRA merupakan strategi yang efektif untuk deteksi UK dalam Bahasa Indonesia, tanpa memerlukan penambahan arsitektur deep learning yang kompleks.