Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Elkolind : Jurnal Elektronika dan Otomasi Industri
Anggarjuna Puncak Pujiputra
Unknown Affiliation
Control & Systems Engineering Electrical & Electronics Engineering

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

Found 2 Documents
Search

 1 
Prediksi Komsumsi Daya Listrik Pada Panel Listrik Menggunakan Metode Neural Network Agus Khumaidi; Muhammad Khoirul Hasin; Anggarjuna Puncak Pujiputra; Irsyad, Sholahuddin Muhammad; Noorman Rinanto; Isa Rachman; Didi, Perdinan Setia Budi; Alfianto Taufiqul Malik; Nurissabiqoh Binta Bayu
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.v11i2.5497

Abstract

Penggunaan energi listrik yang meningkat menimbulkan tantangan terkait keterbatasan sumber daya alam dan dampak lingkungan, mendorong upaya global menuju efisiensi energi. Di gedung bertingkat, kurangnya sistem prediksi daya pada Sub Distribution Panel (SSDP) menghambat efisiensi dan keandalan distribusi energi listrik. Untuk mengatasi masalah ini, dikembangkan teknologi berbasis neural network yang memanfaatkan sensor PM2100 dan mikrokontroler ESP32 untuk memonitor dan memprediksi penggunaan daya listrik. Data ditampilkan dalam aplikasi Android, memungkinkan pemantauan real-time dan perencanaan yang lebih efisien. Hasil penelitian menunjukkan peningkatan pengelolaan daya, pencegahan kerusakan, dan optimasi penggunaan energi, menjadikan sistem ini model potensial bagi institusi lain dalam meningkatkan efisiensi dan keandalan distribusi energi listrik.
Penerapan Deteksi Titik Api Pada Area graving dock Menggunakan YOLO dan GRAD-CAM Fadlol, Muhammad Thoriq; Khumaidi, Agus; Subiyanto, Lilik; Joko Endrasmono; Mustika Kurnia Mayangsari; Anggarjuna Puncak Pujiputra
Jurnal Elektronika dan Otomasi Industri Vol. 12 No. 1 (2025): Vol 12 No 1 (Mei 2025): Jurnal Elkolind Vol 12 No 1 (Mei 2025)
Publisher : Program Studi Teknik Elektronika Politeknik Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/elkolind.v12i1.7253

Abstract

Fire spot detection in the graving dock area is crucial to prevent potentially harmful fires. This study employs the YOLOs method as a deep learning-based object detection technique to detect fire and sparks in real-time. Despite its high accuracy, visual interpretation of detection results remains challenging. Therefore, the Grad-CAM technique is utilized to generate a heatmap on the detection area of YOLO. The heatmap is calculated using the alpha blending method with a specific transparency factor, resulting in clearer visualization of detected objects. The test results show that the combination of YOLO and Grad-CAM can detect fire with an accuracy of 73%. The heatmap visualization validates the critical areas that contribute to the model's decision, making it suitable for fire monitoring systems in high-risk areas.
Co-Authors Agus Khumaidi Agus Khumaidi Alfianto Taufiqul Malik Didi, Perdinan Setia Budi Fadlol, Muhammad Thoriq Hasin, Muhammad Khoirul Isa Rachman Joko Endrasmono Lilik Subiyanto Mustika Kurnia Mayangsari Nurissabiqoh Binta Bayu Rinanto, Noorman Sholahuddin Muhammad Irsyad