Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : REKAYASA

Pengendalian Otomatis Cooling Water System pada Proses Pendinginan Turbin Gas Munadhif, Ii; Rinanto, Noorman; Afiqi, Muhammad
Rekayasa Vol 12, No 1: April 2019
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (408.313 KB) | DOI: 10.21107/rekayasa.v12i1.4389

Abstract

Di dalam pembangkit listrik tenaga gas, terdapat proses pendinginan turbin gas yang disebut Cooling water system (CWS). Sistem ini berfungsi mendinginkan minyak pelumas pendingin turbin yang saat suhu tinggi dapat menyebabkan shut down pada pembangkit listrik. Proses pendinginannya yang manual menyebabkan sistem tersebut kurang optimal. Oleh karena itu, penelitian ini mengusulkan sebuah inovasi purwarupa CWS otomatis. Perangkat kendalinya terdiri dari dua sensor thermocouple, sebuah papan kendali arduino, pompa air, 18 buah kipas sebagai pendingin dan heater sebagai perangkat gangguan saat pengujian. Sistem ini dilengkapi perangkat antarmuka untuk memudahkan dalam mengendalikan dan memonitoring sistemnya. Terdapat dua mode pengendalian sistem, yaitu mode manual dan mode otomatis. Kipas dapat dinyalakan sesuai kebutuhan pada mode manual, sedangkan mode otomatis sistem pendingin menyalakan sejumlah kipas berdasarkan tingkat kenaikan suhu. Suhu 35oC dipilih sebagai setpoint pada sistem ini. Pengujian sistem menunjukkan bahwa semakin tinggi suhu inlet pada CWS, maka semakin lama waktu yang diperlukan untuk menstabilkan sistem.
Radial Basis Function Neural Network sebagai Pengklasifikasi Citra Cacat Pengelasan Rinanto, Noorman; Wahyudi, Mohammad Thoriq; Khumaidi, Agus
Rekayasa Vol 11, No 2: Oktober 2018
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (937.111 KB) | DOI: 10.21107/rekayasa.v11i2.4418

Abstract

Tingginya resiko kesalahan manusia dalam inspeksi visual untuk cacat pengelasan yang masih mengandalkan kemampuan manusia sulit untuk dihindari. Oleh sebab itu, penelitian ini mengusulkan sebuah klasifikasi cacat las visual dengan menggunakan algoritma Radial Basis Function Neural Network (RBFNN). Masukan RBFNN berupa citra las yang terdiri dari 5 (lima) kelas cacat las visual dan 1 (satu) kelas citra las normal. Citra las tersebut diproses terlebih dahulu menggunakan metode ekstraksi fitur Fast Fourier Transform (FFT) dan Descreate Cosine Transform (DCT). Hasil kedua metode ekstraksi fitur tersebut kemudian akan saling dibandingkan untuk mengetahui kinerja RBFNN. Hasil pengujian menunjukkan bahwa sistem dengan metode FFT-RBFNN dapat menggolongkan citra cacat las dengan akurasi sebesar 91.67% dan DCT-RBFNN sekitar 83.33% dengan jumlah neuron hidden layer sebanyak 15 dan parameter spread adalah 4.Kata Kunci: Radial Basis Function Neural Network (RBFNN), FFT, DCT, cacat las, klasifikasi.Radial Basis Function Neural Network as a Weld Defect Classifiers ABSTRACTThe high risk of human error in visual inspection of welding defects that still rely on human capabilities is difficult to avoid. Therefore, this study proposes a classification of visual welding defects using the Radial Base Function Neural Network (RBFNN) algorithm. The RBFNN input is in the form of a welding image consisting of 5 (five) visual welding defect classes and 1 (one) normal welding image class. The weld image is processed first using the Fast Fourier Transform (FFT) and Descreate Cosine Transform (DCT) feature extraction methods. The results of these two feature extraction methods will be compared to find out the RBFNN performance. The test results show that the system with FFT-RBFNN method can classify the image of weld defects with an accuracy of 91.67% and DCT-RBFNN around 83.33% with the number of hidden layer neurons as much as 15 and the parameters of spread are 4.Keywords: Radial Basis Function Neural Network (RBFNN), FFT, DCT, weld defect, classification.
Klasifikasi Gelombang Otot Lengan Pada Robot Manipulator Menggunakan Support Vector Machine Muhammad Ja'far Ubaidillah; Ii Munadhif; Noorman Rinanto
Rekayasa Vol 12, No 2: Oktober 2019
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (547.996 KB) | DOI: 10.21107/rekayasa.v12i2.5406

Abstract

Teknologi robotika semakin berkembang. Banyak orang berinovasi untuk membantu aktivitas mereka, diantaranya membuat robot manipulator untuk mengambil barang di tempat berbahaya atau memindah barang dengan presisi yang sangat tinggi. Pada penelitian ini telah dirancang robot manipulator untuk membantu pasien yang diamputasi pergelangan tangannya agar dapat memegang dan tidak memegang. Sensor Electromyography (EMG) dapat merekam aktivitas listrik yang dihasilkan oleh otot rangka dalam bentuk sinyal yang mempresentasikan gerakan otot. Pada penelitian ini, elektromiogram diekstraksi untuk mendapatkan fitur Root Mean Square (RMS) dan Mean Absolute Value (MAV) kemudian diklasifikasi menggunakan Support Vector Machine (SVM). Metode SVM dipilih karena mampu menemukan hyperplane terbaik sebagai pemisah. Pengendali yang digunakan adalah Arduino yang memerintahkan motor servo untuk menggerakkan robot manipulator sesuai dengan hasil klasifikasi. Penerapan metode Support Vector Machine (SVM) yang bertipe linier memiliki akurasi yang cukup baik dengan keberhasilan 80% pada pengujian dengan subjek yang telah diambil data sampel dan keberhasilan 60% pada pengujian dengan subjek yang tidak diambil data sampel.Classification of Muscle Wave Arm on Manipulator Robot Using Support Vector Machine ABSTRACTRobotics technology is growing. Many people innovate to help their activities, including making manipulator robots to take items in dangerous places or move items with very high precision. In this study a manipulator robot was designed to help patients who amputated their wrists to grip and un-grip. Electromyography (EMG) sensors can record electrical activity produced by skeletal muscles in the form of signals that present muscle movements. In this study, the electromyogram was extracted to get the Root Mean Square (RMS) and Mean Absolute Value (MAV) features then classified using Support Vector Machine (SVM). The SVM method was chosen because it was able to find the best hyperplane as a separator. The controller used is Arduino which instructs the servo motor to move the manipulator robot according to the classification results. The application of the Support Vector Machine (SVM) method which has a linear type has a fairly good accuracy with 80% success in testing with subjects who have taken sample data and 60% success in testing with subjects who are not taken sample data.Keywords: EMG Sensor, Arm Muscle, MAV, RMS, SVM, Classification.
Co-Authors , Rini Indarti Adam Maulana Adhitya, Ryan Yudha Adhitya, Ryan Yudha Adianto Afiqi, Muhammad Agus Khumaidi Agus Khumaidi Agus Khumaidi Ahmad Alam Ardiansyah Ahmad Erlan Afiuddin Aldi Febriansyah Alfianto Taufiqul Malik Anda Iviana Juniani Anggarjuna Puncak Pujiputra Annas Singgih Setiyoko Antonius Edy Kristiyono Ardhan, Mohammad Ardhan Fawwaz Arfianto, Afif Zuhri Arigo, Mohammad Arigo Al. Hafid Arvi, Muhammad Indrastata Iftitana Bagus, Pradana Bagus Mauludin Bayu Wiro Karuniawan Bayu, Nurissabiqoh Binta Budi Prasojo Budi, Perdinan Setia C. I. Sutrisno Catur Rakhmad Handoko Catur Rakhmad Handoko, Catur Rakhmad Dana Hartono Dhika Adhitya Purnomo Dian Asa Utari Didi, Perdinan Setia Budi Dimas Pristovani Riananda Dwi Sasmita Aji Pambudi Edy Setiawan Endrasmono, Joko Evi Nafiatus Sholikhah Farizi Rachman Faruq, Habib Ngumar Fitri Hardiyanti Gresela Sitorus Gusti Audryadmaja, Anugerah Ekha Habib Ngumar Faruq Hafid, Mohammad Arigo Al. HAMMAM NURAFALAH, RAMADANI BIMA HAMMAM NURAFALAH, RAMADANI BIMA Hartono, Dana Hasin, Muhammad Khoirul Ii Munadhif Ii Munadhif Ii Munadhif, Ii Ika Pramestiani Imam Sutrisno Irfan Marzuqi Isa Rachman Joko Endrasmono Khumaid, Agus Lilik Subiyanto Lilik Subiyanto Malik, Alfianto Taufiqul Mardlijah - Masitah, Dewi Ayu Mat Syai'in Mat Syai’in Maulana Ahmad Putra, Zindhu Mirna Apriani Mochamad Yusuf Santoso Muhammad Ja'far Ubaidillah Muhammad Khoirul Hasin Nurissabiqoh Binta Bayu Petrisia Widyasari Sudarmadji Prameswari, Sartika Oktavian Puji Pratama, Novaly Arya Pristovani Riananda, Dimas Pujiputra, Anggarjuna Puncak Purnomo, Dhika Adhitya Putra, Zindhu Maulana Ahmad Putri Nur Rahayu Rafsanjani, Zainu Rahmat, M. Basuki Riananda, Dimas Pristovani Riko Satrya Fajar Jaelani Putra Rizal Indrawan Rizky, Sofi Berliana Rohmansyah, Ade Fitra Ryan Yudha Adhitya Ryan Yudha Adhitya Sa'diyah, Aminatus Sarena, Sryang Tera Sarena, Sryang Tera Setiyono, Dwi Agus Sholahuddin Muhammad Irsyad Sofi Berliana Rizky Sryang T Sarena Sryang Tera Sarena Syaiin, Mat Tama, Shafa Frilla Tri Andi Setiawan Tusila, Fonda Jiwa Arkananta Tusila Ulya, A. Arif Zuchal Urip Mudjiono, Urip Wahyudi, Mohammad Thoriq Widya Primaswari Putri1 Yaqin, Muhammad Ainul Yaqin Zainu Rafsanjani Zindhu Maulana Ahmad Zindhu Maulana Ahmad Putra Zindhu Maulana Ahmad Putra