Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal BATOBO: Jurnal Pengabdian Kepada Masyarakat Electrical Today
Edy Ervianto
Jurusan Teknik Elektro, Universitas Riau
Electrical & Electronics Engineering Energy Engineering Other

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

Found 2 Documents
Search

 1 
A Research Article Identifikasi dan Klasifikasi Gangguan Kualitas Daya Berbasis Transformasi Wavelet dan Radial Basis Function Neural Network (RBFNN) Nurhalim Dani Ali; Fera Gustia Handayani; Antonius Rajagukguk; Iswadi Hasyim Rosma; Edy Ervianto
Electrical Today Vol 1 No 01 (2025): Electrical Today: June 2025
Publisher : Asosiasi Material Terapan dan Teknologi (AMTT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65794/J.Electo.1.01.23-33

Abstract

Kualitas daya listrik merupakan aspek krusial dalam sistem tenaga listrik modern, dimana gangguan seperti voltage sag, swell, harmonisa, flicker, dan interupsi dapat berdampak negatif pada peralatan elektronik dan efisiensi sistem. Penelitian ini bertujuan untuk mengembangkan metode identifikasi dan klasifikasi gangguan kualitas daya, khususnya voltage sag dan swell, secara otomatis dan akurat menggunakan kombinasi transformasi wavelet dan Radial Basis Function Neural Network (RBFNN). Sinyal gangguan kualitas daya disimulasikan menggunakan perangkat lunak MATLAB dengan parameter yang telah ditentukan. Fitur-fitur penting dari sinyal gangguan, berupa energi pada setiap level dekomposisi, diekstraksi melalui transformasi wavelet tipe Daubechies 4 (db4). Data energi hasil ekstraksi fitur ini kemudian digunakan sebagai masukan untuk melatih dan menguji jaringan RBFNN. Hasil pengujian menunjukkan bahwa model RBFNN yang diusulkan mampu mengklasifikasikan gangguan voltage sag dan swell dengan tingkat akurasi yang tinggi. Performa klasifikasi ini ditunjukkan dengan nilai Mean Squared Error (MSE) pada data pengujian yang sangat rendah, yaitu 0.000287131 untuk sag dan 0.00028714 untuk swell. Keberhasilan ini mengindikasikan bahwa pendekatan transformasi wavelet dan RBFNN merupakan metode yang efektif dan menjanjikan untuk identifikasi dan klasifikasi gangguan kualitas daya, dengan potensi aplikasi secara real-time. 
Penerapan Sistem Absensi Mahasiswa Kerja Praktik Berbasis Website Di PT. Perkebunan Nusantara IV Septania Daniati; Noveri Lysbetti Marpaung; Sakti Hutabarat; Edy Ervianto; Rahyul Amri; Antonius Rajagukguk; Suwitno
BATOBO: Jurnal Pengabdian Kepada Masyarakat Vol 3 No 2: BATOBO: Desember 2025
Publisher : Jurusan Teknik Elektro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31258/batobo.3.2.1-6

Abstract

Perkembangan teknologi informasi yang pesat telah mendorong perusahaan untuk meningkatkan efisiensi bisnis mereka melalui penerapan sistem komputerisasi. PT. Perkebunan Nusantara IV (PTPN IV) Regional III PalmCo, sebagai Badan Usaha Milik Negara yang bergerak di bidang perkebunan, telah menjalin kerja sama dengan beberapa universitas di Riau untuk memfasilitasi kegiatan Kerja Praktik dan penelitian bagi mahasiswa. Namun, PTPN IV saat ini belum memiliki sistem yang dapat memantau kehadiran mahasiswa selama Kerja Praktik, yang merupakan faktor penting dalam penilaian kinerja mereka. Untuk mengatasi masalah ini, diusulkan pengembangan sistem absensi berbasis web yang memungkinkan pemantauan kehadiran mahasiswa secara lebih efektif. Sistem ini dirancang menggunakan metode spiral dan dibangun dengan teknologi HTML, PHP, JavaScript, MySQL, CSS, dan Bootstrap, serta didesain menggunakan Figma. Berdasarkan hasil pengujian dengan metode usability testing diperoleh nilai sebesar 84,5%, yang termasuk dalam kategori "Sangat Puas". Sistem ini berhasil meningkatkan efisiensi dan akurasi dalam pemantauan kehadiran mahasiswa Kerja Praktik di PTPN IV.
Co-Authors Antonius Rajagukguk Fera Gustia Handayani Noveri Lysbetti Marpaung Nurhalim Dani Ali Rahyul Amri Rosma, Iswadi Hasyim Sakti Hutabarat Septania Daniati Suwitno