Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal eProceedings of Engineering
Estananto
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Perancangan Dan Implementasi Maximum Power Point Tracking Pada Fotovoltaik Menggunakan Buck Boost Converter Dengan Algoritma Perturb Observe Tyas, Muhammad Yudith; Susanto, Erwin; Estananto
eProceedings of Engineering Vol. 12 No. 5 (2025): Oktober 2025
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Energi surya merupakan salah satu sumberenergi terbarukan yang potensinya sangat besar di Indonesia,namun efisiensi panel surya masih relatif rendah akibatpengaruh intensitas cahaya dan temperatur. Penelitian inibertujuan merancang dan mengimplementasikan sistemMaximum Power Point Tracking (MPPT) menggunakankonverter DC-DC buck-boost dengan algoritma Perturb andObserve (P&O) untuk mengoptimalkan daya keluaran panelsurya. Sistem diuji menggunakan modul panel surya 100 Wpdengan pengujian pada kondisi radiasi maksimum tanpamempertimbangkan orientasi panel. Algoritma P&O bekerjadengan mengatur duty cycle konverter untuk menjaga titikoperasi pada daya maksimum. Hasil pengujian menunjukkanbahwa konverter dapat beroperasi pada mode buck saat dutycycle di bawah 50% dan mode boost saat duty cycle di atas 50%.Tanpa algoritma MPPT, rata-rata efisiensi sistem sebesar65,11%, sedangkan penerapan algoritma P&O meningkatkanefisiensi menjadi 68,89%, atau terjadi peningkatan sebesar3,78%. Dengan demikian, penerapan algoritma P&O terbuktiefektif meningkatkan efisiensi sistem PV berbasis buck-boostconverter.Kata kunci— Panel Surya, MPPT, Buck Boost, Perturb andObserve
Sistem Pendeteksi Premature Ventricular Contraction Berbasis K-Nearest Neighbors Menggunakan Elektrokardiograf Portabel Baihaqi, Zaidan Fitra; Estananto; Murti, Muhammad Ary
eProceedings of Engineering Vol. 12 No. 5 (2025): Oktober 2025
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Premature Ventricular Contraction (PVC) merupakan jenis aritmia yang ditandai dengan kompleks QRS yang melebar lebih dari 120 ms tanpa disertai gelombang P. Penelitian ini bertujuan mengembangkan sistem portabel untuk merekam sinyal EKG dan menerapkan algoritma K-Nearest Neighbors (KNN) guna mendeteksi PVC. Sistem dirancang menggunakan sensor ADS1293 dan mikrokontroler ESP32 yang mengirimkan data EKG ke aplikasi mobile untuk dianalisis. Hasil pengujian menunjukkan sinyal EKG yang terekam memiliki kualitas baik dan heart rate yang sesuai dengan alat referensi. Model KNN yang dilatih menggunakan data MIT-BIH menghasilkan akurasi 92,85% dan F1-score 0,93. Sistem juga berhasil diterapkan pada aplikasi mobile untuk memvisualisasikan hasil deteksi. Meskipun belum divalidasi secara klinis, sistem ini telah berfungsi sesuai tujuan dan dapat dikembangkan lebih lanjut untuk klasifikasi secara real-time. Kata kunci— Elektrokardiogram (EKG), Aritmia, Premature Ventricular Contraction (PVC), K-Nearest Neigbors (KNN)
Sistem Pendeteksi Fibrilasi Atrium Berbasis Convolutional Neural Network (CNN) Menggunakan EKG Portable Angela, Fallerina Ribka; Estananto; Murti, Muhammad Ary
eProceedings of Engineering Vol. 12 No. 5 (2025): Oktober 2025
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Fibrilasi atrium merupakan salah satu jenis aritmia yang ditandai dengan aktivitas listrik jantung yang cepat dan tidak teratur, serta berpotensi meningkatkan risiko stroke dan gagal jantung jika tidak terdeteksi secara dini. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem pendeteksi fibrilasi atrium berbasis Convolutional Neural Network (CNN) yang terintegrasi dengan perangkat EKG portabel. Sistem ini menggunakan tiga elektroda untuk merekam sinyal listrik jantung, yang kemudian dikirimkan ke aplikasi mobile melalui mikrokontroler ESP32. Data sinyal EKG dan fitur RR interval yang diterima akan diproses menggunakan model CNN untuk mengklasifikasikan kondisi jantung sebagai “normal” atau “fibrilasi atrium”. Model CNN yang dikembangkan berhasil mencapai akurasi sebesar 99,48% dan F1-Score sebesar 97,80%, menunjukkan performa klasifikasi yang sangat baik. Aplikasi mobile juga dirancang untuk menampilkan sinyal EKG, nilai detak jantung (BPM), dan hasil klasifikasi secara real-time. Hasil penelitian menunjukkan bahwa sistem ini mampu memberikan solusi yang efektif dan efisien dalam melakukan pemantauan jantung secara mandiri dan deteksi dini fibrilasi atrium. Kata kunci— fibrilasi atrium, sinyal EKG, CNN, ESP32, perangkat portabel
Co-Authors Angela, Fallerina Ribka Baihaqi, Zaidan Fitra Erwin Susanto Muhammad Ary Murti Tyas, Muhammad Yudith