Article Per Year (5 Year)
p-Index From 2021 - 2026
2.101
P-Index
This Author published in this journals
All Journal Jurnal Elkolind : Jurnal Elektronika dan Otomasi Industri Journal of Applied Smart Electrical Network and System (JASENS) Jurnal 7 Samudra Politeknik Pelayaran Surabaya The Indonesian Journal of Computer Science Journal of Soft Computing Exploration
Dimas Pristovani Riananda
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Transportation

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 15 Documents
Search

 1   2 
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.
Simulasi Sistem Kontrol PID Cohen-Coon Pada Mesin Stone Crusher Dengan Motor 14HP Tusila, Fonda Jiwa Arkananta Tusila; Ryan Yudha Adhitya; Mat Syai’in; Noorman Rinanto; Agus Khumaidi; Dimas Pristovani Riananda; Isa Rachman; Rizal Indrawan
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.v11i2.5673

Abstract

Penelitian ini berfokus pada simulasi metode kontrol PID Cohen-Coon untuk pengendalian otomatis mesin crusher batu. Dengan parameter PID yang diperoleh dari metode PID Cohen-Coon yaitu Kp=0,042, Ki=0,365, dan Kd=2,47, mesin crusher diharapkan dapat merespons secara stabil dalam waktu 1 detik setelah terjadi osilasi. Pada simulasi MATLAB, meskipun masih terjadi osilasi pada awalnya, sistem menunjukkan overshoot sekitar 50% dan undershoot sekitar 30%. Metode PID dipilih karena kemampuannya mengontrol sistem secara otomatis dengan mengombinasikan proporsional, integral, dan derivatif dari kesalahan sistem. Hasil simulasi penelitian menunjukkan bahwa pengendalian motor pada mesin crusher dengan metode PID Cohen-Coon memberikan kinerja yang efisien dan stabil, meningkatkan keandalan proses penghancuran batu secara keseluruhan, serta memberikan kontribusi penting dalam pengembangan sistem pengendalian otomatis untuk industri pemecahan batu koral yang membutuhkan tingkat presisi dan efisiensi yang tinggi.
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.
Development of an LSTM-Based Power Monitoring and Prediction System for Campus Electrical Facilities Using ESP32 and PM2120 Sholikhah, Evi Nafiatus; Oktavia Rizqi Kurniawan; Dimas Pristovani Riananda; Mustika Kurnia Mayangsari; Rohmad Hadi Handayani
The Indonesian Journal of Computer Science Vol. 14 No. 6 (2025): The Indonesian Journal of Computer Science
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v14i6.5030

Abstract

This study develops a data acquisition system for monitoring, detecting, and forecasting electrical energy consumption to support efficient energy management. Electrical parameters such as voltage, current, and power are measured using a PM2120 power meter via Modbus RTU RS485 and processed by an ESP32 microcontroller. The data are displayed in real-time through a Nextion Human-Machine Interface (HMI) and utilized as input for a Long Short-Term Memory (LSTM) model trained on historical consumption data. Safety features include LED indicators that activate when current reaches 80% of maximum capacity and a buzzer that signals threshold violations. Experimental results demonstrate high prediction accuracy, with RMSE values of 0.38 kW (5.32%) for phase R, 0.47 kW (7.55%) for phase S, and 0.28 kW (5.39%) for phase T. Transmission latency averages two to three seconds, while prediction computation is under 10 seconds. The system effectively reflects consumption trends, making it a reliable decision-support tool for enhancing energy efficiency in small- to medium-scale installations.
Automatic identification system big data‑driven maritime traffic density prediction in surabaya port using PCA and k‑means clustering Arfianto, Afif Zuhri; Haj, Muhammad Izzul; Muhammad Khoirul Hasin; Noorman Rinanto; Imam Sutrisno; Dimas Pristovani Riananda; Dwi Sasmita Aji Pambudi
Journal of Soft Computing Exploration Vol. 7 No. 1 (2026): March 2026
Publisher : SHM Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52465/joscex.v7i1.22

Abstract

The management of maritime traffic directly determines the level of operational efficiency and safety achievable at major ports, including Tanjung Perak in Surabaya, which serves as a critical logistics node for eastern Indonesia. This study presents a comprehensive analysis of maritime traffic density prediction using Automatic Identification System (AIS) big data combined with Principal Component Analysis (PCA) and K-Means clustering techniques. The dataset comprises 1,173 vessel movements recorded in December 2025, encompassing various vessel types, port operations, and voyage characteristics. Through dimensionality reduction using PCA and unsupervised clustering with K-Means, we identified 10 distinct traffic patterns representing different operational profiles. The analysis revealed significant temporal patterns, with peak traffic occurring at 14:00 (79 vessels) and lowest traffic at 02:00 (18 vessels). The clustering results achieved a silhouette score of 0.3863, effectively segmenting vessels based on voyage distance, capacity, speed, draught, and temporal features. The results of this research offer practical guidance for port authorities seeking to improve resource allocation, traffic management, and operational efficiency based on empirical evidence.
Co-Authors Abu Jami’in Adam Maulana Adam Maulana, Adam Maulana Adi, Muhammad Adimassyah Adianto Agus Khumaidi Arfianto, Afif Zuhri As'ari, Nur Hasyim As'ari Asri, Purwidi Basuki Rahmat Didik Sukoco Dwi Sasmita Aji Pambudi Dzil, Fadhli Edy Prasetyo Hidayat Gusti Audryadmaja, Anugerah Ekha Haj, Muhammad Izzul Hasin, Muhammad Khoirul Hendro Agus Widodo Ii Munadhif Imam Sutrisno Isa Rachman Joko Endrasmono Joko Endrasmono4 Lilik Subiyanto Mat Syai'in Mat Syai’in Mohammad Basuki Rahmad Mohammad Basuki Rahmat Muhammad Khoirul Hasin MUHAMMAD NIAL ALANUS SHOLAH Mustika Kurnia Mayangsari Oktavia Rizqi Kurniawan Putra, Zindhu Maulana Ahmad Rinanto, Noorman Rini Indarti Rizal Indrawan Rohmad Hadi Handayani Ryan Yudha Adhitya Setiyono, Dwi Agus Sholikhah, Evi Nafiatus Siti Zaenab, Siti Zaenab Tama, Shafa Frilla Tegar, Gandhi Achmad Tegar Prakasa Tusila, Fonda Jiwa Arkananta Tusila Wahyudi, Asyal Achnan Yuning Widiarti Zindhu Maulana Ahmad Zindhu Maulana Ahmad Putra