cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kab. sukabumi,
Jawa barat
INDONESIA
JTERA (Jurnal Teknologi Rekayasa)
Published by Politeknik Sukabumi
ISSN : 2548737X     EISSN : 25488678     DOI : -
Core Subject : Science, Engineering,
Civil Engineering, Building, Construction & Architecture Computer Science & IT Electrical & Electronics Engineering Industrial & Manufacturing Engineering Mechanical Engineering
TERA (Journal of Engineering Technology) is peer-review journal providing original research papers, case studies, and articles review in engineering technology field. The journal can be used as an authoritative source of scientific information for researchers, researcher academia or institution, industrial engineer, and government agencies. Paper topics of JTERA focused on engineering including informatics engineering, computer engineering, electrical engineering, mechanical engineering, industrial engineering, civil engineering, environmental engineering, and other topics related to engineering. JTERA is published by Politeknik Sukabumi and managed to be issued twice in every volume on June and December.
Arjuna Subject : -
Articles 531 Documents
 50   51   52   53   54 
Analisa Power Quality Auxiliary Trafo Daya di PLTU Paiton Menggunakan Algoritma FFT (Fast Fourier Transform) Berbasis MATLAB – Simulink Tyto Nugraha Saputra; Royb Fatkhur Rizal
JTERA (Jurnal Teknologi Rekayasa) Vol 11 No 1: Vol. 11 No. 1: Juni 2026
Publisher : Politeknik Sukabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31544/jtera.v11.i1.2026.31-40

Abstract

Penelitian ini menganalisis karakteristik harmonisa pada sistem auxiliary transformator daya PLTU Paiton Unit 6 menggunakan algoritma Fast Fourier Transform (FFT) berbasis MATLAB-Simulink. Metode penelitian meliputi pemodelan sistem kelistrikan auxiliary dengan Single Line Diagram (SLD) pada Simulink, validasi model dengan data operasional dari Central Control Room (CCR), dan implementasi algoritma FFT untuk analisis spektral sinyal. Data sistem berupa spesifikasi generator, transformator, konfigurasi busbar 10 kV, dan 22 beban motor bantu dengan parameter frekuensi sampling 10 kHz menghasilkan 20.000 sampel untuk deteksi harmonisa hingga orde 100. Analisis FFT mengungkapkan bahwa sistem auxiliary PLTU Paiton mengalami distorsi harmonisa dengan THD pada Bus 4 sebesar 6.37% dan Bus 5 sebesar 6.15%, keduanya melampaui batas IEEE 519-2014 sebesar 5.0%. Implementasi filter pasif LC tuned dengan kapasitas 6000 MVAr. Setelah pemasangan filter, THD berhasil diturunkan menjadi 3.20% pada Bus 4 dan 3.22% pada Bus 5, dengan efisiensi reduksi mencapai 49.6% dan 49.5%. Hasil ini menunjukkan bahwa sistem telah memenuhi standar IEEE 519-2014. Penelitian ini memberikan solusi terkait analisis harmonisa dan rekomendasi filter yang sebaiknya dipakai.
Rancang Bangun Dan Uji Kinerja Mesin Pencacah Kulit Kacang Tanah Kapasitas 15 Kg/Jam Dodi Mulyadi
JTERA (Jurnal Teknologi Rekayasa) Vol 11 No 1: Vol. 11 No. 1: Juni 2026
Publisher : Politeknik Sukabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31544/jtera.v11.i1.2026.181-188

Abstract

Kulit kacang tanah merupakan salah satu limbah pertanian utama yang dihasilkan dari proses pengolahan kacang tanah di Indonesia dan hingga saat ini masih belum dimanfaatkan secara optimal, meskipun memiliki potensi sebagai bahan pakan ternak. Penelitian ini bertujuan untuk merancang, memproduksi, dan mengevaluasi kinerja mesin pencacah kulit kacang tanah dengan kapasitas rancang sebesar 15 kg/jam. Mesin ini dikembangkan menggunakan pendekatan perancangan teknik secara sistematis yang dikemukakan oleh Pahl dan Beitz, serta didukung oleh analisis morfologi untuk memilih konsep desain yang optimal. Mekanisme pencacahan digerakkan oleh motor listrik AC tiga fasa berdaya 0,75 hp dengan sistem transmisi puli dan sabuk-V. Pengujian kinerja dilakukan pada putaran poros sebesar 1191 rpm dengan menggunakan empat buah pisau pencacah, serta variasi jarak pisau sebesar 20 mm, 10 mm, dan 5 mm. Hasil penelitian menunjukkan bahwa jarak pisau berpengaruh signifikan terhadap kinerja pencacahan. Kapasitas pencacahan tertinggi, yaitu sebesar 21,46 kg/jam dengan ukuran partikel target 3 mm, diperoleh pada jarak pisau 20 mm. Hasil ini menunjukkan bahwa mesin yang dirancang telah memenuhi tujuan perancangan dan layak diterapkan pada aplikasi skala kecil untuk meningkatkan pemanfaatan limbah kulit kacang tanah sebagai pakan ternak.
Analisis Hubung Singkat Inter Bus Transformer (IBT) 500 MVA Paralel Empat Unit di GITET Kediri Royb Fatkhur Rizal; Muhammad Wahyu Abdy Cahya; Tyto Nugraha Saputra
JTERA (Jurnal Teknologi Rekayasa) Vol 11 No 1: Vol. 11 No. 1: Juni 2026
Publisher : Politeknik Sukabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31544/jtera.v11.i1.2026.149-158

Abstract

Gardu Induk Tegangan Ekstra Tinggi (GITET) Kediri merupakan gardu induk yang melayani sistem 500 kV, 150 kV, dan 20 kV. GITET Kediri pada tahun 2015 memiliki tiga Inter Bus Transformator (IBT) 500/150 kV dengan kapasitas masing-masing 500 MVA, lalu pada tahun 2020 ada penambahan satu IBT yang sama[1]. Sedangkan bay sisi 150 kV sudah terkonfigurasi sejak tahun 2017. Menurut standar IEC 60076-1 tabel 1.6 operasi paralel trafo, empat IBT masih memenuhi syarat karena selisih nilai impedansinya ±7,5% (3,3%, 13,16%, 14,452%, dan 14,375%)[2].Arus simulasi dan perhitungan hubung singkat paralel empat IBT untuk tiga fasa yaitu sebesar 26,978 dan 26,548 kA, satu fasa ke tanah yaitu 29,659 dan 30,097 kA, fasa-fasa yaitu 23,363 dan 23,066 kA, fasa-fasa ke tanah yaitu 28,374 dan 28,924 kA (fasa AB) & 28,788 dan 28,996 kA (fasa BC).Data breaking capacity PMT IBT 1,2,4 - 150 kV, Kertosono, Jayakertas, Tulungagung 1&2, Banaran 1&2, Trafo 1, Kopel 1&2, Section A&B sebesar 40 kA dan untuk IBT 3 - 150 kV, Trafo 2 sebesar 50 kA. Berdasarkan analisis tersebut, empat IBT dapat diparalel karena memenuhi selisih nilai impedansi ±7,5% dan untuk semua PMT 150 kV masih layak dioperasikan karena arus gangguan lebih kecil dari kapasitas PMT[3].
Fine-Tuning IndoBERT Untuk Analisis Sentimen Berita Saham Berbahasa Indonesia Dengan Hyperparameter Optimization Samsul Alam
JTERA (Jurnal Teknologi Rekayasa) Vol 11 No 1: Vol. 11 No. 1: Juni 2026
Publisher : Politeknik Sukabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31544/jtera.v11.i1.2026.51-60

Abstract

Penelitian ini bertujuan untuk meningkatkan kinerja analisis sentimen pada berita saham berbahasa Indonesia menggunakan model berbasis transformer. Pesatnya pertumbuhan pasar modal Indonesia menyebabkan meningkatnya volume informasi dalam bentuk berita, sehingga diperlukan sistem analisis sentimen otomatis yang akurat untuk mendukung pengambilan keputusan investasi berbasis data. Metode yang digunakan adalah fine-tuning model IndoBERT dengan pendekatan hyperparameter optimization menggunakan framework Optuna berbasis Bayesian Optimization. Dataset yang digunakan terdiri dari 23.108 artikel berita saham yang diklasifikasikan ke dalam tiga kelas sentimen, yaitu positif, netral, dan negatif. Evaluasi model dilakukan menggunakan metrik accuracy, precision, recall, F1-score, Macro-F1, confusion matrix, serta ROC-AUC dengan pendekatan one-vs-rest untuk klasifikasi multi-kelas. Hasil penelitian menunjukkan bahwa model IndoBERT-Base-Uncased dengan konfigurasi hyperparameter optimal memberikan performa terbaik dengan accuracy sebesar 0,8269 dan Macro-F1 sebesar 0,7816. Penerapan hyperparameter optimization terbukti mampu meningkatkan performa model secara signifikan dibandingkan baseline tanpa optimasi. Penelitian ini berkontribusi dalam pengembangan analisis sentimen berbasis bahasa Indonesia pada domain finansial serta menyediakan pendekatan yang efektif untuk meningkatkan performa model melalui optimasi hyperparameter.
Analisis Peningkatan Kinerja Model InceptionResNetV2 dalam Identifikasi Wajah pada Dataset In-the-Wild melalui Optimasi Hyperparameter Ferry Febiansah
JTERA (Jurnal Teknologi Rekayasa) Vol 11 No 1: Vol. 11 No. 1: Juni 2026
Publisher : Politeknik Sukabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31544/jtera.v11.i1.2026.69-76

Abstract

Identifikasi wajah yang didukung oleh deep learning memegang peranan krusial dalam berbagai aplikasi, termasuk sistem keamanan, autentikasi, serta verifikasi identitas. Akan tetapi, performa model pada dataset in-the-wild masih terkendala oleh variasi kondisi pencahayaan, perbedaan pose, ekspresi wajah yang beragam, dan kerumitan latar belakang. Penelitian ini bertujuan menganalisis peningkatan performa model InceptionResNetV2 melalui optimasi hyperparameter pada tugas identifikasi wajah, menggunakan dataset primer yang terdiri dari 5.180 citra wajah dari 153 individu dalam kondisi in‑the‑wild. Model ini dibangun menggunakan pendekatan transfer learning dengan memanfaatkan bobot awal dari ImageNet dan dilakukan fine-tuning pada 50 lapisan terakhir. Proses optimasi hyperparameter dilakukan dengan metode grid search, menggunakan kombinasi learning rate 0.001 dan 0.0005, serta batch size 8 dan 16. Evaluasi performa model dilakukan dengan mengukur metrik accuracy, precision, recall, dan f1-score, yang didukung oleh analisis confusion matrix dan visualisasi kasus prediksi. Hasil penelitian memperlihatkan bahwa model yang telah dioptimasi berhasil meningkatkan akurasi dari 0.8830 menjadi 0.9148, dengan peningkatan yang konsisten pada precision (dari 0.9063 menjadi 0.9249), recall (dari 0.9016 menjadi 0.9302), dan f1-score (dari 0.8839 menjadi 0.9139). Analisis confusion matrix menunjukkan peningkatan jumlah prediksi yang benar di berbagai kelas, sementara visualisasi improvement case membuktikan kemampuan model dalam memperbaiki kesalahan prediksi pada kondisi yang kompleks. Uji statistik McNemar menghasilkan nilai p sebesar 0.000639 (< 0.05), yang mengindikasikan bahwa peningkatan performa ini signifikan secara statistik. Dengan demikian, optimasi hyperparameter terbukti efektif dalam meningkatkan kinerja model pada dataset in-the-wild.
Rancang Bangun Sistem Proteksi Over Current Relay Dengan Karakteristik Inverse Sesuai IEC 60255 Terintegrasi IoT Untuk Monitoring Jarak Jauh Anissa Suprihatin; Misbahul Munir
JTERA (Jurnal Teknologi Rekayasa) Vol 11 No 1: Vol. 11 No. 1: Juni 2026
Publisher : Politeknik Sukabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31544/jtera.v11.i1.2026.171-180

Abstract

Penelitian ini membahas perancangan dan pengembangan prototipe sistem proteksi over current relay (OCR) berbasis mikrokontroler ESP32 dengan karakteristik inverse sesuai standar IEC 60255 yang terintegrasi Internet of Things (IoT) untuk monitoring jarak jauh. Latar belakang penelitian ini adalah kebutuhan industri menengah terhadap perangkat proteksi arus lebih yang andal namun tetap ekonomis, karena OCR konvensional berstandar industri umumnya mahal dan belum seluruhnya dilengkapi fitur pemantauan real-time. Sistem yang dikembangkan memanfaatkan sensor PZEM-004T untuk mengukur parameter kelistrikan, meliputi tegangan, arus, daya, energi, frekuensi, dan faktor daya. Data pengukuran diolah oleh ESP32 untuk menghitung Plug Setting Multiplier (PSM) dan menentukan waktu kerja relay berdasarkan tiga tipe kurva inverse IEC 60255, yaitu Standard Inverse, Very Inverse, dan Extremelyly Inverse. Keputusan trip dieksekusi melalui relay daya dan buzzer sebagai indikator alarm jika terjadi gangguan, sementara informasi parameter kelistrikan dan status proteksi ditampilkan pada LCD I2C 20×4 serta dikirim secara real-time ke platform Blynk IoT sehingga dapat dimonitor dan di-reset dari smartphone. Pengujian dilakukan pada beban resistif dan dinamis dalam rentang arus 1–20 A untuk mengevaluasi akurasi pembacaan sensor, kesesuaian waktu trip terhadap perhitungan teoritis kurva inverse, serta keandalan komunikasi IoT. Secara umum, prototipe yang dikembangkan diharapkan dapat menjadi alternatif OCR digital low-cost yang lebih informatif, fleksibel, dan mudah diintegrasikan pada sistem proteksi beban industri menengah.
Rancang Bangun Mesin Pemecah Kedelai Kapasitas 30Kg/Jam Untuk Produksi Susu Kedelai Menggunakan Metode French Ludvi Wibowo
JTERA (Jurnal Teknologi Rekayasa) Vol 11 No 1: Vol. 11 No. 1: Juni 2026
Publisher : Politeknik Sukabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31544/jtera.v11.i1.2026.111-116

Abstract

Susu kedelai adalah sari nabati yang diproses dengan cara merendam dan menggiling kacang kedelai, dilanjutkan dengan proses perebusan hingga penyaringan. Awalnya susu kedelai berasal dari Tiongkok, sebelum menjadi minuman umum di Eropa dan Amerika Utara pada paruh kedua abad ke-20 [1]. Dalam pengolahannya membutuhkan pemisahan kulit kedelai dari bijinya. Proses pemisahan kulit kedelai secara manual membutuhkan waktu yang relative lama, sehingga diperlukan suatu mesin yang dapat memecah kedelai secara efisien. Tujuan dari penelitian ini adalah merancang dan membangun mesin pemecah kedelai untuk memisahkan kulit kedelai dari bijinya dengan target kapasitas min. 30kg/jam. Dari hasil perancangan, mesin ini menggunakan motor listrik AC dengan daya 300 Watt, putaran 1400 rpm sebagai penggerak utama. Menggunakan silinder tunggal dengan diameter 3 in berbahan stainlees, dengan poros berdiameter 15mm. Bagian selungkup menggunakan material foodgrade yaitu stainless 304 dengan tebal 1mm. Dan ditopang dengan rangka besi siku 30mm x 30mm dengan tebal 2,5mm. Menggunakan puli 1,5inc sebagai penggerak dan diameter 8inc untuk puli yang digerakan. Kedua puli dihubungkan dengan V-Belt ukuran A-39 sebagai penerus tenaga dari motor listrik ke silinder gilas. Dari hasil uji coba kapasitas yang didapatkan sebesar 40,3 Kg/jam atau 34% lebih banyak dari target kapasitas yang direncanakan.
Evaluasi Komparatif Algoritma Machine Learning Menggunakan SMOTENC pada Klasifikasi Status Gizi Balita Berbasis Data Antropometri Erip Suratno; Adhi Kusnadi; Zeldi Suryady
JTERA (Jurnal Teknologi Rekayasa) Vol 11 No 1: Vol. 11 No. 1: Juni 2026
Publisher : Politeknik Sukabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31544/jtera.v11.i1.2026.101-110

Abstract

Ketidakseimbangan distribusi kelas pada data status gizi balita dapat membuat model klasifikasi tampak akurat, tetapi kurang mampu mengenali kelas minoritas. Penelitian ini mengevaluasi Support Vector Machine, K-Nearest Neighbors, Naive Bayes, Decision Tree, dan Random Forest untuk klasifikasi multikelas status gizi balita berbasis data antropometri. Dataset berjumlah 3.716 data Posyandu Desa Ujunggenteng tahun 2025 dengan fitur jenis kelamin, usia, berat badan, dan tinggi badan serta empat kelas target: kurang gizi, gizi baik, risiko gizi lebih, dan gizi lebih. Label diperlakukan sebagai label operasional dalam dataset, bukan hasil penghitungan ulang z-score WHO/Kementerian Kesehatan. Eksperimen menggunakan pembagian data latih-uji terstratifikasi 80:20, 5-fold Stratified K-Fold Cross-Validation, pencarian kandidat parameter terbatas, preprocessing numerik-kategorik, dan SMOTENC hanya pada data latih atau fold pelatihan. Hasil cross-validation menunjukkan SVM memperoleh CV F1 Macro tertinggi sebesar 0,829578. Pada data uji, Random Forest memperoleh F1 Macro tertinggi sebesar 0,827132, sedangkan KNN memperoleh akurasi tertinggi sebesar 0,956989 dan balanced accuracy tertinggi sebesar 0,883393. Pemilihan model perlu mempertimbangkan F1 Macro, balanced accuracy, confusion matrix, dan performa per kelas. Berdasarkan cross-validation, SVM ditetapkan sebagai model final, sedangkan Random Forest dilaporkan terbaik pada data uji berdasarkan F1 Macro.
SISTEM MONITORING KONDISI SEHAT (STATE OF HEALTH) BATERAI LiFePO₄ BERBASIS WEB DENGAN INTEGRASI DATA SUHU, ARUS, DAN TEGANGAN reza fadhilah; Denny Irawan
JTERA (Jurnal Teknologi Rekayasa) Vol 11 No 1: Vol. 11 No. 1: Juni 2026
Publisher : Politeknik Sukabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31544/jtera.v11.i1.2026.131-138

Abstract

Penggunaan baterai Lithium Iron Phosphate (LiFePO4) menuntut pemantauan State of Health (SoH) yang akurat untuk mencegah degradasi dini. Pemantauan parameter kritis secara real-time sangat penting sebagai upaya proaktif dalam meningkatkan keselamatan dan mengoptimalkan masa pakai baterai. Oleh karena itu, penelitian ini bertujuan mengembangkan sistem pemantauan berbasis web terintegrasi untuk memfasilitasi akses pengawasan data secara komprehensif bagi pengguna. Metode penelitian ini mengimplementasikan mikrokontroler ESP32 sebagai pengolah data dari sensor tegangan 0–25V, sensor arus ACS758, dan sensor suhu MAX6675. Estimasi nilai SoH dihitung menggunakan metode coulomb counting, melalui integrasi arus terhadap waktu untuk mengukur kapasitas aktual baterai. Hasil pengujian menunjukkan bahwa antarmuka dashboard web berhasil menampilkan data operasional secara interaktif dengan transmisi nirkabel yang stabil. Sensor tegangan secara presisi merekam variasi siklus, sensor ACS758 terbukti unggul mendeteksi aliran arus dinamis, dan MAX6675 secara konsisten mendeteksi fluktuasi suhu sel. Algoritma coulomb counting secara halus merekam akumulasi muatan listrik sehingga estimasi SoH yang dihasilkan merepresentasikan kondisi fisik baterai secara akurat. Secara keseluruhan, integrasi perangkat keras dan lunak beroperasi secara harmonis sebagai solusi pemeliharaan kinerja baterai yang sangat efektif
Short-Term Capacity Estimation of 4S LiFePO4 Battery Under Constant Current Cycling Based on Temporal Convolutional Network Mohammad Rico Ferdian Khoirunizar; Denny Irawan
JTERA (Jurnal Teknologi Rekayasa) Vol 11 No 1: Vol. 11 No. 1: Juni 2026
Publisher : Politeknik Sukabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31544/jtera.v11.i1.2026.117-130

Abstract

Lithium iron phosphate (LiFePO₄) batteries are widely utilized in renewable energy storage systems due to their high thermal stability and long cycle life. However, accurate battery capacity estimation remains a significant challenge, particularly for small-scale batteries with limited datasets. This study proposes a short-term capacity estimation framework based on a Temporal Convolutional Network (TCN) for a 4S LiFePO₄ 12.8 V 6 Ah battery pack under constant-current cycling conditions. A custom data acquisition (DAQ) system was developed using a Raspberry Pi Pico microcontroller integrated with ADS1115, INA226, and DS18B20 sensors to monitor voltage, current, and temperature in real time during charging and discharging experiments. A dataset consisting of 76 cycles was collected experimentally, from which 13 anomalous early-cycle samples were removed due to electrochemical stabilization phenomena, resulting in 63 effective samples. The TCN model was trained using a sliding-window approach with a sequence length of 5 timesteps, incorporating causal and dilated convolutions, residual connections, and dropout regularization. Evaluation on the testing dataset produced an RMSE of 0.02114 Ah, MAE of 0.01288 Ah, and MAPE of 0.827%, indicating high prediction accuracy with an average relative deviation below 1%. The negative value of −5.8753 was attributed to the statistical limitations of the metric when applied to small-scale datasets with low variance. The results demonstrate that the proposed TCN architecture is capable of learning short-term temporal degradation characteristics from limited battery cycling data with high relative accuracy.

Page 53 of 54 | Total Record : 531

 50   51   52   53   54 

Filter by Year

2016 2026


Reset
Filter By Issues
All Issue Vol 11 No 1: Vol. 11 No. 1: Juni 2026 Vol 10, No 2: Desember 2025 Vol 10 No 2: December 2025 Vol 10, No 1: Juni 2025 Vol 9, No 2: December 2024 Vol 9, No 1: June 2024 Vol 8, No 2: December 2023 Vol 8, No 1: June 2023 Vol 7, No 2: December 2022 Vol 7, No 1: June 2022 Vol 6, No 2: December 2021 Vol 6, No 1: June 2021 Vol 5, No 2: December 2020 Vol 5, No 1: June 2020 Vol 4, No 2: December 2019 Vol 4, No 1: June 2019 Vol 3, No 2: December 2018 Vol 3, No 2: December 2018 Vol 3, No 1: June 2018 Vol 3, No 1 (2018) Vol 3, No 1: June 2018 Vol 2, No 2: December 2017 Vol 2, No 2: December 2017 Vol 2, No 2 (2017) Vol 2, No 1: June 2017 Vol 2, No 1: June 2017 Vol 1, No 1: December 2016 Vol 1, No 1 (2016) Vol 1, No 1: December 2016 More Issue