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
Kota salatiga,
Jawa tengah
INDONESIA
Techne : Jurnal Ilmiah Elektroteknika
Published by Universitas Kristen Satya Wacana
ISSN : 14128292     EISSN : 26157772     DOI : -
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy Engineering
urnal Ilmiah Elektroteknika Techné (p-ISSN: 1412-8292, e-ISSN: 2615-7772) adalah jurnal ilmiah yang diterbitkan oleh Fakultas Teknik Elektronika dan Komputer, Universitas Kristen Satya Wacana. Kajian ilmu yang tercakup dalam Jurnal Ilmiah Elektroteknika Techné adalah bidang-bidang Elektronika dan Komputer, baik yang menyangkut perangkat keras maupun perangkat lunak. Jurnal Ilmiah Elektroteknika Techné terbit online pertama kali tahun 2010. Jurnal ini terbit dua kali setahun, yaitu pada bulan April dan Oktober. Jurnal Ilmiah Elektroteknika Techné menganut prinsip Open Access, sehingga semua artikel yang dipublikasikan dapat diakses secara bebas oleh setiap pengunjung.
Arjuna Subject : -
Articles 247 Documents
 21   22   23   24   25 
Advancing Natural Gas Price Predictions with ConcaveLSTM Diqi, Mohammad; Wanda, Putra; Hamzah; Ordiyasa, I Wayan; Fathinah, Azzah
Techné : Jurnal Ilmiah Elektroteknika Vol. 23 No. 1 (2024)
Publisher : Fakultas Teknik Elektronika dan Komputer Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31358/techne.v23i1.456

Abstract

This study investigates the application of the ConcaveLSTM model, a novel machine learning approach combining the strengths of Stacked Long Short-Term Memory (LSTM) and Bidirectional LSTM, for predicting natural gas prices. Given the inherent volatility and complexity of energy markets, accurate forecasting models are crucial for effective decision-making. The research employs a comprehensive dataset from 1997 to 2020, focusing on the daily price of natural gas in US Dollars per Million British thermal units (Btu). Through rigorous testing across various model configurations, the study identifies optimal settings for the ConcaveLSTM model that significantly improve prediction accuracy. Specifically, configurations utilizing 50 input steps with neuron counts of 100 and 300 exhibit superior performance, as evidenced by lower Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), and Mean Absolute Percentage Error (MAPE), alongside higher R-squared (R2) values. These findings validate the ConcaveLSTM model's potential in financial forecasting and highlight the importance of parameter tuning in enhancing model efficacy. Despite certain limitations regarding dataset scope and market variability, the results offer promising insights into developing advanced forecasting tools. Future research directions include expanding the dataset, incorporating additional market influencers, and conducting comparative analyses with other forecasting models. This study contributes to the evolving field of machine learning applications in financial market predictions, offering a foundation for further exploration and practical implementation in the energy sector.
Platform Sistem Pemantauan Penggunaan Energi Listrik Berbasis IoT Heri Andrianto; Susanthi, Yohana; Jonathan, Vincent
Techné : Jurnal Ilmiah Elektroteknika Vol. 23 No. 2 (2024)
Publisher : Fakultas Teknik Elektronika dan Komputer Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31358/techne.v23i2.422

Abstract

Saat ini pemantauan penggunaan energi listrik di gedung-gedung masih dilakukan secara manual yaitu dengan mendatangi langsung panel listrik, hal ini membutuhkan waktu dan tenaga sehingga tidak efisien. Oleh karena itu pemantauan penggunaan energi listrik berbasis teknologi Internet of Things (IoT) menjadi sangat penting. Dalam makalah ini, kami menyajikan pengembangan platform sistem pemantauan penggunaan energi listrik. Meteran energi listrik berbasis IoT dikembangkan menggunakan ESP32 dan Digital Power Meter (DPM). DPM mengirimkan data arus, tegangan, dan daya ke ESP32 menggunakan protokol Modbus, kemudian data diterima oleh ESP32 dan selanjutnya dikirimkan ke platform sehingga penggunaan energi listrik dapat dipantau secara daring. Metodologi penelitian dalam makalah ini terdiri dari tiga tahap. Dimulai dengan tinjauan literatur tentang pemantauan konsumsi energi listrik dari penelitian sebelumnya, dilanjutkan dengan perancangan dan realisasi perangkat keras serta perangkat lunak, diakhiri dengan pengujian perangkat dan platform. Dari hasil pengujian, perangkat telah berhasil membaca data tegangan, arus, dan daya dari digital power meter dan mengirimkan data ke Platform. Platform telah berhasil menampilkan data tegangan, arus, dan daya pada halaman web.
Rancangan Pemakaian Modul PV Pada PLTS Sistem Hybrid untuk Skala Rumah Tangga Arrosyid, Barru; Kusnadi, Heri; Ramdanu; Mardiansyah; Romdhoni
Techné : Jurnal Ilmiah Elektroteknika Vol. 23 No. 2 (2024)
Publisher : Fakultas Teknik Elektronika dan Komputer Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31358/techne.v23i2.425

Abstract

Sistem Pembangkit Listrik Tenaga Surya (PLTS) merupakan energi terbarukan yang dapat dikembangkan. PLTS yang akan di bangun di rumah ini dirancang untuk menyuplai energi listrik kebutuhan alat-alat elektronik rumah tangga dan juga penerangan yang terkoneksi dengan system kelistrikan PLN sebagai backup, dalam penelitian ini menentukan luas area modul pv area PLTS spesifikasi komponen dari desain fotovoltaik ini mencakup 17 panel surya dengan daya puncak masing-masing sebesar 100 watt, baterai 100 Ah dengan penggunaan beban yaitu total 1.158 Watt. Total daya yang dibutuhkan sebesar 7.6 Kwh dengan daya yang dihasilkan oleh PLTS adalah sebesar 1652.2 watt. Berdasarkan perhitungan area PV, ditemukan bahwa luasnya mencapai 13.768 meter persegi. Angka ini mencerminkan luas area PV yang diperlukan untuk menghasilkan energi yang dibutuhkan. Daya yang dibangkitkan PLTS untuk memenuhi kebutuhan energy. Maka jumlhan panelnya yaitu 16.5- 17 panel dengan total kapasitas baterai 0.93 A/h dengan jumlah baterai 10 baterai/100 Ah.
Optimizing Imbalanced Data Classification: Under Sampling Algorithm Strategy with Classification Combination Nauval Dwi Primadya; Adhitya Nugraha; Sahrul Yudha Fahrezi; Ardytha Luthfiarta
Techné : Jurnal Ilmiah Elektroteknika Vol. 23 No. 2 (2024)
Publisher : Fakultas Teknik Elektronika dan Komputer Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31358/techne.v23i2.435

Abstract

The security of Internet of Things devices is a factor that must be considered because device damage and data theft can occur. Internet of Things devices are very useful in various sectors, such as health, transportation, and industrial sectors. Attacks on Internet of Things devices increase every year. To overcome this, it is necessary to take a research approach with machine learning. The dataset used is CIC IoT Attacks 2023 from the University Of New Brunswick. To be able to produce good data, it is necessary to do random under sampling as a way to overcome data imbalance. Then, modeling is done using the KNN algorithm, Random Forest, Logistic Regression, Adaboost, And Perceptron. The result of this research is that random forest has the best accuracy result of 99.73%. From these results, it can be concluded that the random under-sampling technique can improve the accuracy of data imbalance.
Peramalan Beban Jangka Panjang pada Gardu Induk Bangil dengan Metode Generalized Regression Neural Network Fathurrozi, Anggit; Kalandro, Guido Dias; Rizal Chaidir, Ali; Prasetyono, Suprihadi; Gozali, Moch
Techné : Jurnal Ilmiah Elektroteknika Vol. 23 No. 2 (2024)
Publisher : Fakultas Teknik Elektronika dan Komputer Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31358/techne.v23i2.461

Abstract

Given the rising energy demands, the existing electrical infrastructure, notably distribution transformers 3 and 4 at the Bangil Substation, faces the risk of overload. Accurate load forecasting is imperative to inform timely interventions like transformer replacement. This study aims to forecast the load for Transformers 3 and 4 at the Bangil Substation using 2 difference methods, comparing Feed Forward Backpropagation Neural Network (FFBNN) and Generalized Regression Neural Network (GRNN). This research also evaluates potential transformer overloads based on forecasted peak loads. This research employed a STL Decomposition to decompose monthly peak load data in each transformer into trend, seasonal and residual components and developing forecasting model for each transformer trend component data. Simultaneously, separate forecasting models were developed for the Gross Regional Domestic Product (GRDP) and the Industrial Sector of GRDP. The forecasted trend components from the transformer data were combined with the GRDP and Industrial Sector of GRDP forecasts using an approximation model. This approach aimed to approximate the monthly peak load more accurately, incorporating both energy demand trends and economic indicators. The forecasting models' accuracy was gauged using Mean Absolute Percentage Error (MAPE) and Mean Absolute Error (MAE). The analysis indicates that Transformer 3 is projected to reach overload by August 2038, with a forecasted peak load of 1407.7465 A. Conversely, Transformer 4 is expected to experience overload by February 2028, with a peak load of 1269.2173 A. FFBNN exhibited superior accuracy for Transformer 3, recording a MAPE of 10.522% and MAE of 74.204. In contrast, GRNN displayed better performance for Transformer 4, achieving a MAPE of 6.051% and MAE of 46.557. Timely interventions, such as transformer replacement, are essential to mitigate potential overloads. The research underscores the importance of employing tailored forecasting approaches, emphasizing the peak load transformer data with economic indicators for more precise load approximations
Optimasi Produksi Filamen 3D dari Sampah Plastik : Studi Eksperimental Suhu Heater Amanda Putri Aulia; Zulkhairi; Syaifudin, Ahmad; Novianto, Irwan
Techné : Jurnal Ilmiah Elektroteknika Vol. 23 No. 2 (2024)
Publisher : Fakultas Teknik Elektronika dan Komputer Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31358/techne.v23i2.465

Abstract

sampah merupakan sampah organik dan 28% sisanya merupakan sampah non-organik. Pengolahan sampah organik dapat menghasilkan pupuk organik cair untuk keperluan pertanian, sedangkan sampah non-organik sulit diolah sehingga menyebabkan kerusakan lingkungan dan dampak negatif bagi kesehatan manusia. Oleh karena itu, diperlukan inovasi teknologi untuk mendaur ulang sampah non-organik salah satunya botol plastik Jenis PET dan HDPE. Penelitian ini bertujuan untuk mengolah botol jenis PET dan HDPE menjadi filamen untuk pencetakan 3D printing dengan menggunakan pengaturan suhu heater pada extruder. Hasil penelitian menunjukkan bahwa untuk mendapatkan keluaran extruder dengan permukaan halus berdiameter 1,75 mm memerlukan suhu 66,6°C untuk jenis PET sedangkan untuk plastik jenis HDPE suhu yang dibutuhkan untuk dapat menhasilkan filamen yang bulat 1,75 mm adalah berkisar 62,8-64,7°C. Penelitian ini merupakan Langkah awal inovasi teknologi daur ulang untuk meminimalisir limbah botol plastik serta menghasilkan produk layak guna, seperti filamen untuk 3D printing.
Optimizing Performance of AdaBoost Algorithm through Undersampling and Hyperparameter Tuning on CICIoT 2023 Dataset Fahrezi, Sahrul Fahrezi; Nugraha, Adhitya; Luthfiarta, Ardytha; Primadya, Nauval Dwi
Techné : Jurnal Ilmiah Elektroteknika Vol. 23 No. 2 (2024)
Publisher : Fakultas Teknik Elektronika dan Komputer Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31358/techne.v23i2.467

Abstract

The increasing prevalence of the Internet of Things (IoT) in various sectors presents new challenges related to security and protection against cyberattacks. The connection of IoT devices to the Internet network makes them vulnerable to various types of attacks. One approach to attacking IoT devices is to perform analysis based on network traffic using machine learning algorithms such as AdaBoost. An IoT device attack prediction model was created for the purpose of predicting IoT device attacks based on network traffic. Based on research and discussion regarding optimization of the n_estimator value and algorithm in the AdaBoost algorithm on the CICIoT 2023 dataset that has been undersampled and using the grid search cv method, the most optimal n_estimator value is 500 and the most optimal algorithm value is SAMME with an accuracy rate of 0.78 and a recall value of 0.78. This optimization underscores the significance of finetuning parameters in machine learning algorithms to enhance the effectiveness of cybersecurity measures for IoT devices.
Desain Alat Ukur Kuat Medan Listrik dengan Sensor Elektroda Kapasitif dan Metode Kalibrasi Regresi Linier Fadlil; Ardiansyah; Sutikno, Tole
Techné : Jurnal Ilmiah Elektroteknika Vol. 23 No. 2 (2024)
Publisher : Fakultas Teknik Elektronika dan Komputer Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31358/techne.v23i2.476

Abstract

Penelitian ini mengusulkan desain sensor dan teknik kalibrasi alat ukur medan listrik menggunakan sensor elektroda kapasitif dan rumus regresi linier untuk mengukur kuat medan listrik yang dihasilkan alat terapi kanker ECCT (Eletro Capacitive Cancer Therapy). Tujuan utama dari penelitian ini adalah menghasilkan suatu desain sensor dan teknik kalibrasi yang dapat digunakan untuk mengembangkan lebih lanjut sistem pengukuran untuk keperluan cek kualitas medan listrik yang dihasilkan oleh alat terapi kanker ECCT sehingga efek terapi lebih maksimal. Sensor medan listrik didesian dari elektroda tembaga dengan ukuran 1x1cm dan tebal 0.1mm. Sensor dihubungkan dengan rangkaian pengkondisi sinyal dan dibaca oleh ADC mikrokontroller Arduino uno, lalu dikirimkan datanya ke komputer melalui port serial USB converter. Hasil pengujian alat ukur didapatkan rata-rata ketidakpastian mutlak sebesar 1.03, rata-rata prosentase error/ ketidakpastian relatif sebesar 5%, akurasi pengukuran sebesar 95%, dan standar deviasi dari 50 sampel pengukuran sebesar 0.092.
Klasifikasi Penyakit Pneumonia menggunakan Metode Convolutional Neural Network (CNN) Office, Irfan Handy; Arifuddin, Rahman; Hidayatulail, Basitha Febrinda
Techné : Jurnal Ilmiah Elektroteknika Vol. 23 No. 2 (2024)
Publisher : Fakultas Teknik Elektronika dan Komputer Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31358/techne.v23i2.491

Abstract

Pneumonia is an acute lung infection that affects lung tissue. The disease can be caused by various pathogens such as viruses, bacteria, fungi, and others. COVID-19 pneumonia is a serious condition that requires special attention because of its contagious nature and its severe symptoms, including high fever, difficulty breathing, and lack of oxygen. Diagnosis usually depends on clinical symptoms and imaging techniques such as chest x-rays. With automatic classification technology, pneumonia detection becomes more efficient. The study used Convolutional Neural Network (CNN) with ResNet50 architecture to classify types of pneumonia, including viral pneumony and COVID-19, from chest x-rays. Research methods include literature reviews, data collection, pre-processing, modeling, training, testing, and evaluation using metrics such as accuracy, precision, recall, and F1 scores. Experiments with different epochs yield 99% accurate training data, 81% accurate validation data, and a lack of learning on models that influence accurability on validation.
Perancangan Antena Array Dual-Band Berbasis Asymmetric Inset-fed untuk Aplikasi 5G Pada Spektrum Mid-band Rusdiyanto, Dian; Astuti, Dian Widi; Apriono, Catur; Adhiyoga, Yohanes Galih
Techné : Jurnal Ilmiah Elektroteknika Vol. 23 No. 2 (2024)
Publisher : Fakultas Teknik Elektronika dan Komputer Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31358/techne.v23i2.522

Abstract

Penelitian ini mengajukan perancangan antena yang mampu beroperasi di dua frekuensi pada aplikasi 5G spectrum mid-band, yaitu frekuensi 2,6 GHz dan 3,5 GHz. Material yang digunakan pada perancangan berupa substrat RT/Duroid 5880 yang memiliki ketebalan 1,575 mm dan nilai konstanta dielektrik 2,2. Metode yang digunakan untuk mencapai dual-band frekuensi yaitu teknik inset-fed yang tidak simetris yang terletak pada sisi saluran pencatu. Selain itu, penelitian ini juga mengajukan metode antena susun (array) untuk meningkatkan gain antena. Perancangan dimulai dengan merancangan bentuk patch persegi panjang dengan inset-fed yang simetris, kemudian dimodifikasi dalam bentuk yang tidak simetris. Selanjutnya, patch inset-fed yang tidak simetris disusun menjadi elemen array 2x2. Hasil simulasi menujukan antena dengan menggunakan metode inset-fed mampu menghasilkan dua frekuensi resonan. Sementara itu, gain antena array yang dihasilkan pada frekuensi 2,6 GHz bernilai 10, 6 dBi dan pada frekuensi 3,5 GHz bernilai 13,1 dBi. Hasil tersebut menunjukan metode yang diajukan pada penelitian ini terbukti mampu menghasilkan dual-band frekuensi dan memiliki gain yang tinggi, sehingga mampu diaplikasi pada spectrum mid-band 5G.

Page 23 of 25 | Total Record : 247

 21   22   23   24   25 

Filter by Year

2010 2025


Reset
Filter By Issues
All Issue Vol. 24 No. 2 (2025) Vol. 24 No. 1 (2025) Vol. 23 No. 2 (2024) Vol. 23 No. 1 (2024) Vol. 22 No. 2 (2023) Vol. 22 No. 1 (2023) Vol. 21 No. 2 (2022) Vol. 21 No. 1 (2022) Vol. 20 No. 2 (2021) Vol. 20 No. 1 (2021) Vol. 19 No. 2 (2020) Vol. 19 No. 1 (2020) Vol. 18 No. 2 (2019) Vol. 18 No. 1 (2019) Vol. 17 No. 02 (2018) Vol. 17 No. 01 (2018) Vol. 16 No. 02 (2017) Vol. 16 No. 01 (2017) Vol. 15 No. 02 (2016) Vol. 15 No. 01 (2016) Vol. 14 No. 02 (2015) Vol. 14 No. 01 (2015) Vol. 13 No. 02 (2014) Vol. 13 No. 01 (2014) Vol. 12 No. 02 (2013) Vol. 12 No. 01 (2013) Vol. 11 No. 02 (2012) Vol. 11 No. 01 (2012) Vol. 10 No. 02 (2011) Vol. 10 No. 01 (2011) Vol. 9 No. 02 (2010) Vol. 9 No. 01 (2010) More Issue