Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal Elkolind : Jurnal Elektronika dan Otomasi Industri Jurnal Teknologi Maritim
Deni Almunawar
Unknown Affiliation
Civil Engineering, Building, Construction & Architecture Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Mechanical Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Perbandingan Metode Adaptive Neuro-Fuzzy Inference System dan Support Vector Regression dalam Prediksi Waktu Pemeliharaan pada Mesin E-Fill Ii Munadhif; Deni Almunawar; Ryan Yudha Adhitya
Jurnal Teknologi Maritim Vol. 7 No. 2 (2024): Jurnal Teknologi Maritim
Publisher : Pusat Penelitian dan Pengabdian Masyarakat Politeknik Perkapalan Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35991/jtm.v7i2.31

Abstract

Penelitian ini bertujuan membandingkan kinerja metode Adaptive NeuroFuzzy Inference System (ANFIS) dan Support Vector Regression (SVR) dalam memprediksi waktu pemeliharaan yang optimal pada mesin pengisian cairan otomatis atau yang biasa disebut mesin e-fill. Mesin e-fill banyak digunakan oleh industri produsen untuk mengemas produk cairan mereka ke dalam kemasan botol. Mesin ini sering mengalami kerusakan yang dapat mengganggu proses produksi dan menimbulkan kerugian bagi perusahaan. Oleh karena itu, prediksi waktu pemeliharaan yang tepat sangat penting agar perusahaan dapat mempersiapkan dana dan antisipasi sebelum terjadi kerusakan yang lebih parah. Penelitian ini mengumpulkan data historis parameter operasional mesin e-fill seperti performance, quality, dan availability. Data tersebut kemudian dibagi menjadi data latih dan data uji. Data latih digunakan untuk melatih model prediksi ANFIS dan SVR agar dapat memprediksi waktu pemeliharaan mesin. Data uji digunakan untuk mengevaluasi akurasi prediksi dari kedua model. Model ANFIS dilatih dengan menyesuaikan parameter-parameternya agar sesuai dengan pola pada data latih. Model SVR juga dilatih dengan data latih agar parameternya dapat mengenali pola data. Kinerja kedua model dievaluasi dengan metrik RMSE pada data uji. Metode Support Vector Regression (SVR) memiliki rata-rata Accuracy yang lebih tinggi, yaitu 91,67%, dibandingkan dengan metode Adaptive Neuro-Fuzzy Inference System (ANFIS) yang memiliki rata-rata Accuracy sebesar 68,33%. Hal ini menunjukkan bahwa SVR lebih akurat dalam memprediksi waktu pemeliharaan pada mesin e-fill di berbagai tingkat RPM.
Sistem Pengendalian Robot KRSRI Menggunakan Logika Fuzzy Sugeno Orde Nol Adhitya, Ryan Yudha; Agus Khumaidi; Zindhu Maulana A.P.; Dimas Pristovani R; Mochammad Madhoni Setiawan; M. Dhani Inwanul F; A. Dewana Putra; Semeru Fatkhurrozi A; M. Dhifa Alfitra; Deni Almunawar; Fonda Jiwa Arkananta Tusila; M. Fakhri Ali Mufidz
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.v11i1.4057

Abstract

Robots are one of the technological developments that unite several aspects, such as mechanical, electrical, and programs that are interrelated to one another. Currently, the robot has also been competed in a competition with various categories. One of them is the SAR (Search and Rescue) robot competition which is accommodated in the KRSRI (Indonesian SAR Robot Contest). This SAR robot has a mission to save and bring victims to a safe zone. To develop the robot so that it is more optimal, several studies have been carried out using various methods. In this study, the SAR robot was optimized with the Zero Order Fuzzy Sugeno Logic method. In addition, this study uses a sharp sensor as a distance sensor which has better capabilities than ultrasonic sensors. The results show that the time the robot to reach the finish line fluctuates or has various time results for each trial. The conclusion of this experiment is that the Fuzzy Logic method can be applied to SAR robots. Based on the generated robot motion, the robot can move straight without any tendency to the right or left of the trajectory barrier.
Co-Authors A. Dewana Putra Adhitya, Ryan Yudha Agus Khumaidi Dimas Pristovani R Fonda Jiwa Arkananta Tusila Ii Munadhif M. Dhani Inwanul F M. Dhifa Alfitra M. Fakhri Ali Mufidz Mochammad Madhoni Setiawan Ryan Yudha Adhitya Semeru Fatkhurrozi A Zindhu Maulana A.P.