Garuda - Garba Rujukan Digital

Handling Four DOF Robot to Move Objects Based on Color and Weight using Fuzzy Logic Control Nugroho, Emmanuel Agung; Setiawan, Joga Dharma; Munadi, M.
Journal of Robotics and Control (JRC) Vol 4, No 6 (2023)
Publisher : Universitas Muhammadiyah Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18196/jrc.v4i6.20087

Manipulators are increasingly used in industry to improve efficiency in jobs that require precision, long duration, and repetitive work. This research was conducted on a laboratory scale to control manipulators on a pick-and-place system in the product storage and packing area. The object of this research is a four-degree-of-freedom (4-DOF) manipulator controlled using a fuzzy logic system. The hardware used is a conveyor machine to model the product delivery process, Dobot Magician as a 4-DOF manipulator, HX711 load cell serves as a weight sensor, TCS-3200 serves as a color sensor, and Arduino Mega 2560 as a controller. The software used is Dobot Studio as the main program to control the movement of the robot and Matlab to develop the Fuzzy Logic Control (FLC) function, which is embedded in the Arduino. Fuzzy logic control processes weight variables and color variables read by sensors as information data to control the movement of the manipulator. The results showed that the manipulator was able to pick up and place objects according to the path-planning coordinates. The testing data states that the precision and accuracy of the average coordinates of product pick and place against the path planning has an error deviation of 1.8%.

SISTEM KONTROL KECEPATAN MOTOR UNIVERSAL MENGGUNAKAN PID ARDUINO Setiawan, Iwan; Agung Nugroho, Emmanuel; Roni Wibowo, Nanang; Janizal
JURNAL RAMATEKNO Vol 3 No 1 (2023): Ramatekno
Publisher : LPPM Politeknik Enjinering Indorama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61713/jrt.v3i1.70

Motor universal telah banyak sekali digunakan pada peralatan rumahtangga, diantaranya mixer, mesin bor listrik, mesin gerinda, mesin jahit dan banyak lagi penggunaan lainnya. Motor universal merupakan motor yang dapat beroperasi dengan menggunakan sumber tegangan AC maupun DC dengan karakteristik khas-nya adalah kecepatan putar yang tinggi hingga di atas 3200 rpm. Kecepatan putar motor universal dapat dikendalikan dengan menggunakan thyristor yang menghasilkan tegangan DC ataupun tegangan AC terkendali. Pengaturan tegangan AC atau DC terkendali pada thyristor dilakukan dengan memberikan pulsa pemicuan pada gate thyristor. Untuk mendapatkan kecepatan putaran yang diharapkan digunakan sistem kontrol dengan pengendali PID. Sistem Kontrol PID (Proportional–Integral–Derivative) merupakan kontroler yang presisi untuk menghasilkan kecepatan yang sesuai dengan referensinya. Dalam implementasi ini system PID sebagai kontrol terhadap pemicuan gate thyristor dirancang secara digital dengan menggunakan Arduino UNO. Data pengujian menunjukkan bahwa besarnya sudut pemicuan berpengaruh secara signifikan terhadap kecepatan putaran motor universal.

KORELASI ANTARA WAKTU BELAJAR DENGAN HASIL PEMBELAJARAN: STUDI KASUS PENDIDIKAN VOKASI POLITEKNIK ENJINERING INDORAMA Afzeri; Kurnia, Deni; Nugroho, Emmanuel Agung
JURNAL RAMATEKNO Vol 3 No 2 (2023): Ramatekno
Publisher : LPPM Politeknik Enjinering Indorama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61713/jrt.v3i2.102

Pendidikan tinggi menggunakan pembelajaran yang menuntut kemandirian yang lebih tinggi dibandingkan dengan level pendidikan dibawahnya. Pengaturan waktu belajar diarahkan pada mahasiswa sesuai dengan kebiasaan yang baik bagi masing-masing. Namun dalam aturan pembelajaran yang di tentukan pemerintah, setiap mahasiswa harus memenuhi waktu belajar minumum untuk menyelesaikan sesuai jumlah SKS. Strategi pembelajaran pada pendidikan Vokasi PEI memiliki karakteristik dimana adanya pembelajaran yang aktif berupa teori dan praktik yang dilaksanakan secara terjadwal dikampus dan pembelajaran mandiri yang dilakukan diluar jadwal. Mahasiswa diharapkan mampu untuk menentukan pendalaman, kapan, metode dan bagaimana cara belajar serta waktu belajar yang sesuai dengan waktu belajar yang dicatatkan ke database. Pengambilan data kehadiran dilakukan secara online dimana mahasiswa secara langsung melakukan presensi kehadiran saat perkuliahan dimulai dan hasil disimpan dalam satuan menit kedalam database. Analisis regresi multivariable dilakukan untuk melihat korelasi antara waktu kehadiran di kelas dan waktu pembelajaran mandiri dengan nilai yang diperoleh. Hasil penelitian menujukkan bahwa ada korelasi positif yang signifikan antara waktu belajar dikelas dengan nilai yang dicapai dengan P Value kurang dari 0.01. Sementara itu waktu belajar mandiri dirumah secara mandiri dan online (saat pandemic) tidak memperlihatkan korelasi yang signifikan.

ANALISIS TRAYEKTORI SISTEM PICK AND PLACE DOBOT MAGICIAN Rosmawati, Nelis; Riyadi, Slamet; Nugroho, Emmanuel Agung
JURNAL RAMATEKNO Vol 4 No 1 (2024): Ramatekno_Vol_4_No_1
Publisher : LPPM Politeknik Enjinering Indorama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61713/jrt.v4i1.161

Dewasa ini perkembangan teknologi robotika yang semakin maju telah dimanfaatkan secara luas di berbagai bidang kegitan baik industri, pendidikan atau bidanga lain. Dalam dunia indutri pemanfaatan teknologi robotika bukan ssuatu hal yang baru, karena tekonogi robotika sangat membantu dalam proses otomasi demi tercapainya efektifitas proses yang diharapkan. Dalam dunia pendidikan teknologi robotika dimanfaatkan sebagai media pembelajaran bagi mahasiswa/i untuk mengetahui dan memahami konsep robotika dalam industri seperti yang sering terlihat dalam proses produksi proses pemindahan barang dari satu tempat ke tempat lain atau disebut juga Pick and Place dengan menggunakan lengan robot. Pada tulisan ini diperlihatkan hasil analisis trayektori proses Pick and Place dengan menggunakan Dobot Magician 4-DOF yang merupakan robot manipulator sebagai media pembelajaran untuk mengembangkan ilmu pengetahuan dan teknologi. Metode yang dilakukan adalah dengan menyimpan titik koordinat pengambilan (Pick) dan titik koordinat peletakan (Place) dengan beberapa bentuk tranformasi, yang selanjutnya ditentukan arah pergerakannya. Hasil analisa terlihat bahwa arah pergerakan atau trayektori pada setiap benda dengan posisi yang berbeda mempengaruhi teradap nilai X, Y dan Z.

Design of image classification system for fabric inspection process using Raspberry Pi Nugroho, Emmanuel Agung; Setiawan, Joga Dharma; Munadi, Munadi; Diki, Diki
Journal of Mechatronics, Electrical Power, and Vehicular Technology Vol 15, No 1 (2024)
Publisher : National Research and Innovation Agency

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55981/j.mev.2024.863

This research is designed as a prototype of defect inspection system on fabric production using machine learning-based image processing technology using the open source Google teachable machine application integrated with Raspberry Pi-3B. The prototype of fabric defect inspection system is built by utilizing two rollers that function as a fabric roll house before and after the inspection process. On both rollers, a fabric is stretched to be inspected, so that from a roll of fabric with a certain length, it can be seen how many defects occur on the fabric. The inspection system is carried out using a web camera with a certain level of lighting connected to a raspberry pi as a control device. Raspberry Pi functions as an image processing device and fabric rolling motor controller. In addition to the category of fabric in good condition, this system classifies into two categories of defects, namely slap defects and sparse defects. The test results show that this system has an average frame per second (FPS) of 4.85, an average inference time of 181.1 ms, with an accuracy of image classification results of 98.4 %.

PROTOTIPE MESIN INSPEKSI KAIN BERBASIS SISTEM PEMROSESAN CITRA DIGITAL Nugroho, Emmanuel Agung; Alfiyan, Yogi; Wibowo, Nanang Roni
JURNAL RAMATEKNO Vol 4 No 2 (2024): Ramatekno_vol_4_no_2
Publisher : LPPM Politeknik Enjinering Indorama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61713/jrt.v4i2.195

Dalam industri tekstil, pengendalian kualitas produk sangat penting untuk meminimalkan cacat yang dapat menurunkan kepuasan pelanggan dan efisiensi produksi. Jenis cacat kain yang umum, seperti double lusi, double pick, slap, netting, dan ketidaksesuaian ketebalan atau lebar kain, memerlukan inspeksi yang akurat dan efisien. Penelitian ini mengembangkan prototipe Fabric Inspection Machine (FIM) berbasis teknologi Image Processing untuk mendeteksi cacat secara otomatis. Sistem ini menggunakan algoritma pengolahan citra pada Google Teachable Machine, Raspberry Pi, dan kamera web sebagai pendeteksi cacat. Kain digerakkan oleh motor stepper dengan driver TB6600 dan dikendalikan oleh ESP8266, dengan sistem mekanik berbasis roll penggulung kain. Hasil pengujian menunjukkan bahwa mesin ini mampu mendeteksi tiga jenis kondisi kain: kain bagus, cacat jarang, dan cacat slap. Torsi motor stepper mencapai 0.3995 Nm, sementara torsi penggulung kain adalah 0.00242 Nm, dan torsi roller terhadap beban adalah 0.01615 Nm. Mesin mampu mempertahankan akurasi deteksi pada kecepatan kain dari 95.25 cm per menit (250 Hz, 18.75 RPM) hingga 285.75 cm per menit (750 Hz, 56.25 RPM). Desain mekanik yang konstan menjaga kecepatan penggulungan, meskipun ketebalan kain bervariasi. Dengan peningkatan akurasi dalam proses inspeksi, prototipe ini diharapkan dapat meningkatkan efisiensi produksi dan kualitas produk kain dalam industri tekstil.

Tekstur dan Uji Tarik Paduan Ti~4%beratAl yang Dicanai Silang Supriyanto, Adolf Asih; Nugroho, Emmanuel Agung
Jurnal Teknik Mesin ㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤ(Journal Of Mechanical Engineering) Vol 7, No 3 (2018)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/jtm.v7i3.3933

Telah dilakukan pengukuran tekstur dan uji tarik paduan Ti~4%beratAl. Pengukuran tekstur dilakukan dengan teknik difraksi sinar-x menggunakan metode refleksi yang dinyatakan dengan gambar kutub (0002). Gambar kutub (0002) diperoleh dari cuplikan paduan Ti~4%beratAl yang dicanai silang pada suhu 600°C dengan reduksi tebal 96%. Kemudian cuplikan tersebut dianil pada suhu 900°C selama 31 jam. Selanjutnya cuplikan tersebut dilakukan uji tarik arah canai, 45o dan lintang. Hasil yang diperoleh menunjukan bahwa tektur Ti~4%beratAl yang dicanai silang memiliki tekstur basal dan sumbu-c sejajar arah normal. Anisotropi uji tarik pada cuplikan paduan Ti~4%beratAl yang dicanai pada suhu 600oC dan dianil pada suhu 900°C selama 31 jam tidak begitu terlihat.

Penerapan Teachable Machine Dan Raspberry Pi Pada Sistem Klasifikasi Citra Untuk Inspeksi Cacat Kain Nugroho, Emmanuel Agung; Setiawan, Joga Dharma; M, Munadi; Rustiyanti, Alifa
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 1: Februari 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.20251218932

Industri tekstil memainkan peran krusial dalam ekonomi nasional, menghadapi tantangan signifikan dalam menjaga kualitas produk untuk memenuhi kepuasan konsumen. Cacat produksi, seperti cacat jarang dan cacat slap pada kain, merupakan salah satu faktor utama yang mempengaruhi kualitas produk tekstil. Penelitian ini bertujuan untuk mengembangkan sistem inspeksi cacat kain secara otomatis dengan menggunakan metode pemrosesan citra digital dan machine learning. Sistem ini dirancang untuk diintegrasikan pada mesin penggulungan kain sebagai sistem inspeksi awal sebelum kain didistribusikan. Metode yang digunakan meliputi supervised learning untuk klasifikasi citra kain, memanfaatkan perangkat lunak Google Teachable Machine dan algoritma Convolutional Neural Network (CNN) yang diimplementasikan dengan OpenCV. Perangkat keras yang digunakan terdiri dari kamera web Logitech D320 untuk akuisisi gambar dan Raspberry Pi-3B sebagai pengolah citra. Sistem ini diuji untuk mendeteksi tiga kategori kain: kain bagus, cacat jarang, dan cacat slap. Hasil pengujian menunjukkan bahwa sistem memiliki rata-rata waktu inferensi sebesar 142,47 ms dengan kecepatan rata-rata 6,46 frame per detik (FPS) dan akurasi klasifikasi mencapai 98,48%. Dengan implementasi sistem ini, diharapkan dapat meningkatkan efisiensi produksi, memperkuat kontrol kualitas di industri tekstil, mengurangi intervensi manual, dan menurunkan potensi kerugian akibat produk cacat. Abstract The textile industry plays a crucial role in the national economy, facing significant challenges in maintaining product quality to meet consumer satisfaction. Production defects, such as rare defects and slap defects in fabrics, are key factors that affect the quality of textile products. This research aims to develop an automated fabric defect inspection system using digital image processing and machine learning methods. The system is designed to be integrated into fabric winding machines as an initial inspection system before the fabric is distributed. The methods used include supervised learning for fabric image classification, utilizing Google Teachable Machine software and the Convolutional Neural Network (CNN) algorithm implemented with OpenCV. The hardware used consists of a Logitech D320 webcam for image acquisition and a Raspberry Pi-3B as the image processor. The system was tested to detect three categories of fabric: good fabric, rare defects, and slap defects. The test results showed that the system achieved an average inference time of 142.47 ms with an average speed of 6.46 frames per second (FPS) and a classification accuracy of 98.48%. With the implementation of this system, it is expected to enhance production efficiency, strengthen quality control in the textile industry, reduce manual intervention, and decrease potential losses due to defective products.

IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK INSPEKSI CACAT PADA BENANG Ana Mariam; Nugroho, Emmanuel Agung; Riyadi, Slamet
JURNAL RAMATEKNO Vol 5 No 1 (2025): Jurnal Ramatekno
Publisher : LPPM Politeknik Enjinering Indorama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61713/jrt.v5i1.216

PT Indorama Synthetics Tbk merupakan salah satu produsen tekstil yang terus berinovasi untuk mengembangkan sistem inspeksi berbasis teknologi computer vision saat ini. Selama ini teknologi computer vision telah digunakan untuk mengidentifikasi corak cone tip pada benang spinning berdasarkan kesamaan spesifikasi jenis benang. Penelitian ini dilakukan sebagai pengembangan sistem tersebut sehingga memiliki kemampuan untuk mengidentifikasi dan mengklasifikasikan hasil produksi berdasarkan kategori benang bagus dan benang cacat seperti Stripe, Dirty, dan Moldy. Tujuan penelitian ini adalah menghasilkan alat yang mampu melakukan inspeksi secara otomatis, sehingga meningkatkan efisiensi proses inspeksi produksi benang yang masih bergantung pada pengamatan manual (human vision). Teknologi yang dikembangkan pada penelitian ini mengintegrasikan computer vision dengan machine learning berbasis algoritma Convolutional Neural Network (CNN) yang menghasilkan model Tensor Flow Lite yang di deploy kedalam Raspberry Pi. Pengujian model menggunakan dataset training, dan dianalisis berdasarkan akurasi, loss, serta performa pemrosesan citra secara real-time. Rata-rata hasil inferensi real-time menunjukkan nilai 68.13 ms untuk waktu inferensi dengan FPS 8.8 FPS dan akurasi 82.88%. Rata- rata Training Loss dengan nilai 0.9, Validation Loss 0.94, Training Accuracy 0.59, dan Validation Accuracy 0.56.

IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK INSPEKSI CACAT PADA BENANG Ana Mariam; Nugroho, Emmanuel Agung; Riyadi, Slamet
JURNAL RAMATEKNO Vol 5 No 1 (2025): Jurnal Ramatekno
Publisher : LPPM Politeknik Enjinering Indorama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61713/jrt.v5i1.216

PT Indorama Synthetics Tbk merupakan salah satu produsen tekstil yang terus berinovasi untuk mengembangkan sistem inspeksi berbasis teknologi computer vision saat ini. Selama ini teknologi computer vision telah digunakan untuk mengidentifikasi corak cone tip pada benang spinning berdasarkan kesamaan spesifikasi jenis benang. Penelitian ini dilakukan sebagai pengembangan sistem tersebut sehingga memiliki kemampuan untuk mengidentifikasi dan mengklasifikasikan hasil produksi berdasarkan kategori benang bagus dan benang cacat seperti Stripe, Dirty, dan Moldy. Tujuan penelitian ini adalah menghasilkan alat yang mampu melakukan inspeksi secara otomatis, sehingga meningkatkan efisiensi proses inspeksi produksi benang yang masih bergantung pada pengamatan manual (human vision). Teknologi yang dikembangkan pada penelitian ini mengintegrasikan computer vision dengan machine learning berbasis algoritma Convolutional Neural Network (CNN) yang menghasilkan model Tensor Flow Lite yang di deploy kedalam Raspberry Pi. Pengujian model menggunakan dataset training, dan dianalisis berdasarkan akurasi, loss, serta performa pemrosesan citra secara real-time. Rata-rata hasil inferensi real-time menunjukkan nilai 68.13 ms untuk waktu inferensi dengan FPS 8.8 FPS dan akurasi 82.88%. Rata- rata Training Loss dengan nilai 0.9, Validation Loss 0.94, Training Accuracy 0.59, dan Validation Accuracy 0.56.

Title

Found 21 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 21 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 21 Documents
Search