cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Endah Setyaningsih
Contact Email
tesla@ft.untar.ac.id
Phone
-
Journal Mail Official
tesla@ft.untar.ac.id
Editorial Address
-
Location
Kota adm. jakarta barat,
Dki jakarta
INDONESIA
TESLA: Jurnal Teknik Elektro
Published by Universitas Tarumanagara
ISSN : 14109735     EISSN : 26557967     DOI : -
Core Subject : Engineering,
Electrical & Electronics Engineering Engineering
Teknik Sistem Komputer Teknik Sistem Telekomunikasi Teknik Biomedical Intenet of Thing
Arjuna Subject : -
Articles 285 Documents
 24   25   26   27   28 
PALM VEIN RECOGNITION USING RASPBERRY PI: A VASCULAR BIOMETRICS APPROACH Wulandari, ST., M.Eng, Meirista; Suraidi
TESLA: Jurnal Teknik Elektro Vol 26 No 1 (2024): TESLA: Jurnal Teknik Elektro
Publisher : Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/tesla.v26i1.32784

Abstract

Vein-based biometrics is an identification technology that uses unique vein patterns to enhance security, offering higher safety than other biometric methods like fingerprints and facial recognition. The main challenge in vein recognition lies in capturing clear images and efficiently processing data. This study develops a biometric system prototype using the Raspberry Pi NoIR Camera and Raspberry Pi 5 for biometric data capture and processing. The Raspberry Pi NoIR Camera captures vein patterns in the infrared spectrum, which is effective for revealing vein patterns not visible under normal light. The Raspberry Pi 5 functions as a processor running image processing algorithms and Convolutional Neural Networks (CNN) for feature extraction and palm vein pattern recognition. The image enhancement methods applied include histogram equalization and Contrast Limited Adaptive Histogram Equalization (CLAHE). The results show that CLAHE provides optimal contrast enhancement, achieving a classification accuracy of 90.00%. The precision, recall, and F1-score values for CLAHE are 0.93, 0.90, and 0.90, respectively, outperforming histogram equalization and no enhancement. Thus, CLAHE proves to be an effective method for improving vein image quality and the accuracy of the biometric system. The use of Raspberry Pi makes the system portable, power-efficient, and cost-effective for security applications. Overall, CLAHE delivers the best performance in enhancing vein-based biometric identification Abstrak Biometrik berbasis pembuluh darah adalah teknologi identifikasi yang menggunakan pola pembuluh darah unik untuk meningkatkan keamanan, dibandingkan dengan biometrik lainnya seperti sidik jari dan pengenalan wajah. Kendala utama pada pengenalan pembuluh darah adalah pengambilan citra yang jelas dan pengolahan data yang efisien. Penelitian ini mengembangkan prototipe sistem biometrik menggunakan Raspberry Pi NoIR Camera dan Raspberry Pi 5 untuk pengambilan dan pemrosesan data biometrik. Raspberry Pi NoIR Camera menangkap pola pembuluh darah dalam spektrum inframerah, yang efektif untuk mengungkapkan pola pembuluh darah yang tidak terlihat dengan cahaya tampak. Raspberry Pi 5 berfungsi untuk menjalankan algoritma pengolahan citra dan Convolutional Neural Network (CNN) untuk ekstraksi fitur dan pengenalan pola pembuluh darah telapak tangan. Metode peningkatan citra yang diterapkan adalah ekualisasi histogram dan Contrast Limited Adaptive Histogram Equalization (CLAHE). Hasil penelitian menunjukkan CLAHE memberikan peningkatan kontras yang optimal, menghasilkan akurasi klasifikasi sebesar 90,00%. Nilai precision, recall, dan F1-score untuk CLAHE adalah 0,93, 0,90, dan 0,90, yang lebih tinggi dibandingkan dengan ekualisasi histogram dan tanpa peningkatan citra. Dengan demikian, CLAHE terbukti efektif dalam meningkatkan kualitas citra pembuluh darah dan akurasi sistem biometrik. Penggunaan Raspberry Pi menjadikan sistem ini portabel, hemat daya, dan terjangkau untuk aplikasi keamanan. Secara keseluruhan, CLAHE memberikan performa terbaik dalam meningkatkan identifikasi biometrik berbasis pembuluh darah.  
Cover TESLA Vol 26 No.1 MARET 2024 Cover TESLA Vol 26 No.1 MARET 2024
TESLA: Jurnal Teknik Elektro Vol 26 No 1 (2024): TESLA: Jurnal Teknik Elektro
Publisher : Universitas Tarumanagara

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

Abstract

Cover TESLA Vol 26 No.1 MARET 2024
Daftar isi TESLA Vol 26 No.1 MARET 2024 Daftar isi TESLA Vol 26 No.1 MARET 2024
TESLA: Jurnal Teknik Elektro Vol 26 No 1 (2024): TESLA: Jurnal Teknik Elektro
Publisher : Universitas Tarumanagara

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

Abstract

Daftar isi TESLA Vol 26 No.1 MARET 2024
Deftar Redaksi TESLA Vol 26 No.1 MARET 2024 Deftar Redaksi TESLA Vol 26 No.1 MARET 2024
TESLA: Jurnal Teknik Elektro Vol 26 No 1 (2024): TESLA: Jurnal Teknik Elektro
Publisher : Universitas Tarumanagara

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

Abstract

Deftar Redaksi TESLA Vol 26 No.1 MARET 2024
IMPLEMENTATION OF QUICK RESPONSE CODE AS A PRODUCT INFORMATION DISPLAY MEDIA ON HANDICRAFT ENTREPRENEURSHIP Dion Dwi Wijaya; Elbert; Richardo Ariyanto; Endah Setyaningsih
TESLA: Jurnal Teknik Elektro Vol 26 No 2 (2024): TESLA: Jurnal Teknik Elektro
Publisher : Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/tesla.v26i2.32949

Abstract

Micro, Small and Medium Enterprises or often referred to as MSMEs are one of the business activities that have an important role in the Indonesian economy. MSMEs have contributed to reducing the unemployment rate and helping to equalize community income, especially in rural areas. MSMEs still face various types of challenges mainly related to information dissemination, marketing, and product sales. With digitalization, MSMEs can be easier and more flexible in carrying out their business activities. One of them is the use of a quick response code (QR Code). Quick response codes can convert data into a 2-dimensional code that can be scanned. Quick response codes can store binary, numeric, and alphanumeric data which makes them flexible for various types of activities. Examples include digital payments and information transmission. This research was conducted with the aim of providing a media display of MSME product information using fast response codes. This research method is in the form of designing quick response codes, which is carried out by collecting and providing product information data. After that, proceed with the formation of a quick response code. Furthermore, it ends with printing the quick response code and pasting the code on the product. The formed quick response code successfully displays product information data. The printed response code also successfully displays information data in accordance with the product being pasted. In addition, the digitally photographed quick response codes can be accessed and display product information from a variety of different locations. Overall, the study was perceived positively in various aspects including ease of access, attractive appearance, practical information, global access, simple process, and digital access with 41% of respondents strongly agreeing and 28.6% of respondents agreeing Abstrak Usaha Mikro, Kecil dan Menengah atau yang sering disebut dengan UMKM adalah salah satu kegiatan usaha yang memiliki peran penting dalam perekonomian Indonesia. UMKM memiliki kontribusi dalam mengurangi tingkat pengangguran dan membantu pemerataan pendapatan masyarakat terutama di daerah pedesaan. UMKM masih menghadapi berbagai jenis tantangan terutama berhubungan dengan penyebaran informasi, pemasaran, dan penjualan produk. Dengan digitalisasi, UMKM dapat lebih mudah dan fleksibel dalam melaksanakan kegiatan usahanya. Salah satunya adalah dengan penggunaan kode respon cepat (Quick Response/QR Code). Kode respon cepat dapat mengubah data menjadi kode 2 dimensi yang dapat dipindai. Kode respon cepat dapat menyimpan data biner, numerik, beserta alfanumerik yang membuatnya menjadi fleksibel untuk berbagai jenis kegiatan. Contohnya seperti pembayaran digital dan pengiriman informasi. Penelitian ini dilakukan dengan tujuan untuk menyediakan media penampil informasi produk UMKM menggunakan kode respon cepat. Metoda penelitian ini berupa merancang kode respon cepat, yang dilaksanakan dengan pengumpulan dan penyediaan data informasi produk. Setelah itu, dilanjutkan dengan pembentukan kode respon cepat. Selanjutnya diakhiri dengan pencetakan kode respon cepat serta penempelan kode pada produk. Kode respon cepat yang dibentuk berhasil menampilkan data informasi produk. Kode respon yang dicetak juga berhasil menampilkan data informasi sesuai dengan produk yang ditempelkan. Selain itu, kode respon cepat yang difoto secara digital dapat diakses dan menampilkan informasi produk dari berbagai lokasi yang berbeda. Secara keseluruhan, penelitian ini dianggap positif dalam berbagai aspek meliputi kemudahan akses, tampilan menarik, informasi yang praktis, akses secara global, proses sederhana, serta akses digital dengan 41% responden sangat setuju dan 28,6% responden setuju Abstrak Penelitian ini membahas pengembangan sistem otomatis untuk mendeteksi kedatangan pelanggan dengan menggunakan perangkat ESP32-CAM yang terintegrasi dengan bot Telegram. Sistem ini dirancang untuk mendeteksi pergerakan melalui sensor PIR (Passive Infrared), yang akan memicu ESP32-CAM secara otomatis untuk mengambil gambar saat ada aktivitas terdeteksi. Gambar yang diambil kemudian dikirimkan melalui bot Telegram ke perangkat seluler staf atau pemilik usaha. Algoritma deteksi dimulai dengan inisialisasi sensor PIR yang memantau pergerakan, lalu ESP32-CAM secara otomatis mengambil gambar saat gerakan terdeteksi. Gambar tersebut kemudian dikirim melalui bot Telegram ke perangkat seluler. Pengujian dilakukan secara berulang dengan data pengukuran jarak optimal, kecepatan pengiriman notifikasi, serta survei kepuasan pengguna terhadap sistem ini. Hasil pengujian dari penelitian ini menunjukkan bahwa ESP32-CAM dan sensor PIR memiliki jangkauan deteksi optimal pada rentang 1 hingga 7,5 m. Namun, untuk jarak lebih dari 7,5 m, tidak dilakukan pengujian lebih lanjut karena jarak maksimum dari ruangan di lokasi adalah 7,5 m. Selain itu, survei menunjukkan bahwa pengguna merasa sistem ini mudah digunakan dan sangat membantu dalam meningkatkan produktivitas pelayanan. Metodologi penelitian berupa perancangan sistem, yang mempunyai tahapan, yaitu mulai dari perancangan hingga implementasi sistem deteksi otomatisasi kedatangan pelanggan. Perangkat keras yang digunakan meliputi ESP32-CAM dan sensor PIR, sementara perangkat lunak berfokus pada konfigurasi bot Telegram sebagai media komunikasi. Implementasi dilakukan dengan mengintegrasikan perangkat keras dan perangkat lunak agar sistem dapat berfungsi sebagaimana mestinya. Selanjutnya, pengujian dilakukan untuk mengevaluasi keandalan sistem, terutama dalam mendeteksi pergerakan dan mengirimkan notifikasi dengan gambar. Rencana perbaikan dan tindak lanjut meliputi peningkatan jangkauan deteksi sensor PIR, pengujian sistem pada berbagai kondisi lingkungan seperti pencahayaan rendah dan area yang lebih luas, serta pengembangan integrasi pengenalan wajah untuk meningkatkan akurasi deteksi pelanggan. Kesimpulan dari hasil penelitian ini menunjukkan bahwa sistem bekerja sesuai dengan tujuan, dengan ESP32-CAM dan sensor PIR memiliki jangkauan optimal pada rentang 1 hingga 7,5 m. Sistem ini terbukti mendeteksi kedatangan pelanggan dan mengirimkan gambar secara otomatis ke bot Telegram, memungkinkan pemilik usaha untuk memantau aktivitas dari jarak jauh tanpa kehadiran fisik, sehingga meningkatkan respons dan kualitas layanan pelanggan.
IMPLEMENTATION OF ESP32-CAM AND TELEGRAM BOT FOR AUTOMATIC CUSTOMER ARRIVAL DETECTION SYSTEM Rayell Danish Bryo Kalesaran; Charlie William; Christie Redja; Endah Setyaningsih
TESLA: Jurnal Teknik Elektro Vol 26 No 2 (2024): TESLA: Jurnal Teknik Elektro
Publisher : Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/tesla.v26i2.32950

Abstract

This study discusses the development of an automated system for detecting customer arrivals using the ESP32-CAM device integrated with a Telegram bot. The system is designed to detect movement through a PIR (Passive Infrared) sensor, which automatically triggers the ESP32-CAM to capture images when activity is detected. The captured images are then sent via the Telegram bot to the mobile devices of staff or business owners. The detection algorithm starts with the initialization of the PIR sensor to monitor movement, then the ESP32-CAM automatically takes pictures when movement is detected. These images are then sent through the Telegram bot to the mobile devices. Testing was performed repeatedly, with measurements of optimal detection range, notification delivery speed, and a user satisfaction survey regarding the system. The results of the tests show that the ESP32-CAM and PIR sensor have an optimal detection range of 1 to 7.5 meters. However, testing was not conducted beyond 7.5 meters as the maximum distance of the room at the location is 7.5 meters. Additionally, the survey results indicate that users find the system easy to use and very helpful in improving service productivity. The research methodology involved system design, with stages ranging from design to the implementation of the automated customer arrival detection system. The hardware used includes the ESP32-CAM and PIR sensor, while the software focuses on configuring the Telegram bot as the communication medium. Implementation was carried out by integrating the hardware and software so that the system could function properly. Further testing was done to evaluate the reliability of the system, particularly in detecting movement and sending notifications with images. The improvement and follow-up plan includes enhancing the detection range of the PIR sensor, testing the system under various environmental conditions such as low light and larger areas, as well as developing facial recognition integration to improve the accuracy of customer detection. The conclusion of this study shows that the system works as intended, with the ESP32-CAM and PIR sensor having an optimal detection range of 1 to 7.5 meters. The system effectively detects customer arrivals and automatically sends images to the Telegram bot, enabling business owners to monitor activities remotely without physical presence, thereby improving response times and the quality of customer service Abstrak Penelitian ini membahas pengembangan sistem otomatis untuk mendeteksi kedatangan pelanggan dengan menggunakan perangkat ESP32-CAM yang terintegrasi dengan bot Telegram. Sistem ini dirancang untuk mendeteksi pergerakan melalui sensor PIR (Passive Infrared), yang akan memicu ESP32-CAM secara otomatis untuk mengambil gambar saat ada aktivitas terdeteksi. Gambar yang diambil kemudian dikirimkan melalui bot Telegram ke perangkat seluler staf atau pemilik usaha. Algoritma deteksi dimulai dengan inisialisasi sensor PIR yang memantau pergerakan, lalu ESP32-CAM secara otomatis mengambil gambar saat gerakan terdeteksi. Gambar tersebut kemudian dikirim melalui bot Telegram ke perangkat seluler. Pengujian dilakukan secara berulang dengan data pengukuran jarak optimal, kecepatan pengiriman notifikasi, serta survei kepuasan pengguna terhadap sistem ini. Hasil pengujian dari penelitian ini menunjukkan bahwa ESP32-CAM dan sensor PIR memiliki jangkauan deteksi optimal pada rentang 1 hingga 7,5 m. Namun, untuk jarak lebih dari 7,5 m, tidak dilakukan pengujian lebih lanjut karena jarak maksimum dari ruangan di lokasi adalah 7,5 m. Selain itu, survei menunjukkan bahwa pengguna merasa sistem ini mudah digunakan dan sangat membantu dalam meningkatkan produktivitas pelayanan. Metodologi penelitian berupa perancangan sistem, yang mempunyai tahapan, yaitu mulai dari perancangan hingga implementasi sistem deteksi otomatisasi kedatangan pelanggan. Perangkat keras yang digunakan meliputi ESP32-CAM dan sensor PIR, sementara perangkat lunak berfokus pada konfigurasi bot Telegram sebagai media komunikasi. Implementasi dilakukan dengan mengintegrasikan perangkat keras dan perangkat lunak agar sistem dapat berfungsi sebagaimana mestinya. Selanjutnya, pengujian dilakukan untuk mengevaluasi keandalan sistem, terutama dalam mendeteksi pergerakan dan mengirimkan notifikasi dengan gambar. Rencana perbaikan dan tindak lanjut meliputi peningkatan jangkauan deteksi sensor PIR, pengujian sistem pada berbagai kondisi lingkungan seperti pencahayaan rendah dan area yang lebih luas, serta pengembangan integrasi pengenalan wajah untuk meningkatkan akurasi deteksi pelanggan. Kesimpulan dari hasil penelitian ini menunjukkan bahwa sistem bekerja sesuai dengan tujuan, dengan ESP32-CAM dan sensor PIR memiliki jangkauan optimal pada rentang 1 hingga 7,5 m. Sistem ini terbukti mendeteksi kedatangan pelanggan dan mengirimkan gambar secara otomatis ke bot Telegram, memungkinkan pemilik usaha untuk memantau aktivitas dari jarak jauh tanpa kehadiran fisik, sehingga meningkatkan respons dan kualitas layanan pelanggan.
DESIGN OF A MONITORING SYSTEM FOR SOLAR-POWERED PUBLIC STREET LIGHTING Kelvin; Endah Setyaningsih; Hadian Satria Utama
TESLA: Jurnal Teknik Elektro Vol 26 No 2 (2024): TESLA: Jurnal Teknik Elektro
Publisher : Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/tesla.v26i2.32951

Abstract

Street lighting is an essential facility that ensures the comfort and safety of road users at night. PJU can utilize resources from PLN electricity, solar energy, or a combination of both (hybrid). Solar-Powered Street Lighting fully utilizes solar energy (off-grid) or partially (hybrid) for its energy needs. However, the efficiency of solar panels tends to decrease during operational periods due to negative temperature coefficients, mechanical loads, and weather conditions. Additionally, the lithium-ion batteries used in PJUTS degrade over time. Therefore, a monitoring system is needed to measure the performance of PJUTS, ensure timely maintenance for solar panels and batteries, and maintain the performance of the Solar Charge Controller during the battery charging and discharging cycles. The INA219 sensor is used to simultaneously read current and voltage. Data from this sensor (current and voltage of the solar panels, battery during charging, and battery during discharging) is sent to a web server via WiFi using the ESP32 microcontroller with the HTTP GET method. The data received by the web server is stored in a MySQL database. A web page then displays the real-time PJUTS data retrieved from the database, processed into graphs and tables that can be accessed based on specific dates. Testing shows that the INA219 sensor has a small deviation compared to the Fluke multimeter, with an average voltage deviation of 0.046V and an average current deviation of 0.93 mA Abstrak Penerangan jalan umum merupakan fasilitas penting yang memastikan kenyamanan dan keselamatan pengguna jalan pada malam hari. PJU dapat menggunakan sumber daya dari listrik PLN, energi matahari, atau kombinasi keduanya (hybrid). Penerangan Jalan Umum Tenaga Surya sepenuhnya memanfaatkan energi matahari (off-grid) atau sebagian (hybrid) untuk kebutuhan energinya. Namun, efisiensi panel surya cenderung menurun selama masa operasional akibat koefisien suhu negatif, beban mekanis, dan kondisi cuaca. Selain itu, baterai lithium-ion yang digunakan dalam PJUTS mengalami degradasi seiring waktu. Oleh karena itu, diperlukan sistem pemantauan untuk mengukur kinerja PJUTS, memastikan perawatan tepat waktu untuk panel surya dan baterai, serta menjaga kinerja Solar Charge Controller dalam siklus pengisian dan pemakaian baterai. Sensor INA219 digunakan untuk membaca arus dan tegangan secara bersamaan. Data dari sensor ini (arus dan tegangan panel surya, baterai saat pengisian, dan baterai saat pemakaian) dikirim ke server web melalui WiFi menggunakan mikrokontroler ESP32 dengan protokol HTTP metode GET. Data yang diterima server web disimpan dalam basis data MySQL. Halaman web kemudian menampilkan data real-time PJUTS yang diambil dari basis data, diolah menjadi grafik dan tabel yang dapat diakses berdasarkan tanggal tertentu. Pengujian menunjukkan bahwa sensor INA219 memiliki deviasi kecil terhadap multimeter Fluke, dengan rata-rata deviasi tegangan sebesar 0,046V dan rata-rata deviasi arus sebesar 0,93 mA
RANCANG BANGUN MONITORING KETERSEDIAAN DATA ATIS MENGGUNAKAN RTL-SDR DENGAN APLIKASI BLYNK Dwipayana, I Made Okta Dwipayana; Johan Wahyudi; Muizuddin Azka
TESLA: Jurnal Teknik Elektro Vol 26 No 2 (2024): TESLA: Jurnal Teknik Elektro
Publisher : Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/tesla.v26i2.31580

Abstract

In the era of digitalization and advances in information technology, the need for efficient and real-time monitoring systems is increasingly important, especially in flight navigation. Automatic Terminal Information Service (ATIS) provides pilots with important information about airport conditions, so monitoring the availability of ATIS data is crucial for smooth operations and flight safety. This research aims to design an ATIS data availability monitoring system using an RTL-SDR device integrated with the Blynk application, as a solution to improve monitoring efficiency at Perum LPPNPI Palangka Raya Branch. This system is expected to provide real-time notifications to technicians when there is a disruption or unavailability of ATIS data. The research methodology includes hardware and software design, where RTL-SDR is used to receive ATIS signals processed and analyzed using GNU Radio software. The processed data is sent to the Blynk app as a user interface, allowing real-time monitoring of ATIS data availability via mobile devices and notifications in case of disruptions. The results of the study show that this system is able to effectively monitor the availability of ATIS data and provide real-time notifications, so that its implementation at Perum LPPNPI Palangka Raya Branch can increase readiness and responsiveness to ATIS data interference, support smooth operations and flight safety. Abstrak Dalam era digitalisasi dan kemajuan teknologi informasi, kebutuhan akan sistem monitoring yang efisien dan real-time semakin penting, terutama dalam navigasi penerbangan. Automatic Terminal Information Service (ATIS) menyediakan informasi penting mengenai kondisi bandara kepada pilot, sehingga monitoring ketersediaan data ATIS sangat krusial untuk kelancaran operasional dan keselamatan penerbangan. Penelitian ini bertujuan merancang sistem monitoring ketersediaan data ATIS menggunakan perangkat RTL-SDR yang terintegrasi dengan aplikasi Blynk, sebagai solusi untuk meningkatkan efisiensi pemantauan di Perum LPPNPI Cabang Palangka Raya. Sistem ini diharapkan memberikan notifikasi real-time kepada teknisi saat terjadi gangguan atau ketidaktersediaan data ATIS. Metodologi penelitian mencakup perancangan perangkat keras dan lunak, di mana RTL-SDR digunakan untuk menerima sinyal ATIS yang diolah dan dianalisis menggunakan software GNU Radio. Data yang telah diproses dikirim ke aplikasi Blynk sebagai antarmuka pengguna, memungkinkan pemantauan ketersediaan data ATIS secara real-time melalui perangkat mobile dan notifikasi jika terjadi gangguan. Hasil penelitian menunjukkan bahwa sistem ini mampu memonitor ketersediaan data ATIS secara efektif dan memberikan notifikasi real-time, sehingga implementasinya di Perum LPPNPI Cabang Palangka Raya dapat meningkatkan kesiapan dan responsivitas terhadap gangguan data ATIS, mendukung kelancaran operasional dan keselamatan penerbangan
DETECTION OF USE OF MASKS BASED ON COLOR HISTOGRAM AND HAAR CASCADE Muhammad Hekmatyar Rabbani; Reni Rahmadewi; Arnisa Stefanie
TESLA: Jurnal Teknik Elektro Vol 27 No 1 (2025): TESLA: Jurnal Teknik Elektro
Publisher : Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/tesla.v27i1.33366

Abstract

Air pollution in urban and industrial areas can have adverse effects on human health, particularly the respiratory system. One effective preventive measure is the use of face masks to filter harmful particles. This study develops a mask detection system by combining the Color Histogram method and Haar Cascade. The Color Histogram is used to recognize characteristic color patterns on masks, while Haar Cascade detects the presence of faces in images or videos. The dataset consists of 1,409 images, including 723 images of mask users and 686 images without masks. The research process involves preprocessing to enhance image quality, feature extraction based on color histograms, and mask classification based on the extracted color patterns. Testing was conducted to evaluate the system’s effectiveness in detecting mask usage with various color and texture variations. Experimental results show that the system achieves a detection accuracy of 92%. However, the system encounters challenges in distinguishing masks with color patterns similar to skin tones, leading to potential detection errors. Improvements can be made by incorporating additional features such as texture analysis or deep learning to enhance accuracy. With its relatively high effectiveness, this system has the potential to be implemented in public monitoring devices to increase awareness and compliance with mask usage, particularly in areas with high pollution levels or during pandemic situations ABSTRAK Polusi udara di kawasan perkotaan dan industri dapat berdampak buruk terhadap kesehatan manusia, terutama pada sistem pernapasan. Salah satu langkah pencegahan yang efektif adalah penggunaan masker wajah untuk menyaring partikel berbahaya. Penelitian ini mengembangkan sistem deteksi penggunaan masker dengan menggabungkan metode Histogram Warna dan Haar Cascade. Histogram Warna digunakan untuk mengenali pola warna khas pada masker, sedangkan Haar Cascade berfungsi mendeteksi keberadaan wajah dalam citra atau video. Dataset yang digunakan terdiri dari 1.409 citra, dengan 723 citra pengguna masker dan 686 citra tanpa masker. Proses penelitian meliputi tahap preprocessing untuk meningkatkan kualitas citra, ekstraksi fitur berbasis histogram warna, serta klasifikasi penggunaan masker berdasarkan pola warna yang diperoleh. Pengujian dilakukan untuk mengevaluasi efektivitas sistem dalam mendeteksi penggunaan masker dengan berbagai variasi warna dan tekstur. Hasil pengujian menunjukkan bahwa sistem mampu mendeteksi masker dengan akurasi sebesar 92%. Meskipun demikian, sistem mengalami kendala dalam membedakan masker yang memiliki pola warna menyerupai kulit wajah, sehingga berpotensi menghasilkan kesalahan deteksi. Perbaikan dapat dilakukan dengan menambahkan fitur tambahan seperti analisis tekstur atau deep learning untuk meningkatkan akurasi. Dengan efektivitasnya yang cukup tinggi, sistem ini berpotensi diterapkan pada perangkat pemantauan publik guna meningkatkan kesadaran dan kepatuhan masyarakat terhadap penggunaan masker, terutama di area dengan tingkat polusi tinggi atau dalam situasi pandemi.
DETEKSI PENGGUNAAN HELM SAFETY PADA PEKERJA MENGGUNAKAN ALGORITMA YOU ONLY LOOK ONCE VERSI 8 (YOLOV8) Rizwaldi Muhamad Iman; Srimuryati; Reni Rahmadewi
TESLA: Jurnal Teknik Elektro Vol 27 No 1 (2025): TESLA: Jurnal Teknik Elektro
Publisher : Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/tesla.v27i1.33391

Abstract

An increase in workplace accidents by 5% in Indonesia in 2021 underscores the urgency of implementing a strong Occupational Safety and Health (OSH) culture, including the use of Personal Protective Equipment (PPE) such as construction helmets. However, the low education level among workers (57.5%) poses a challenge in raising awareness about the importance of OSH. To address this issue, this study utilizes deep learning-based image processing technology with the YOLOv8 algorithm to detect helmet usage by workers in real-time. The model was trained using a dataset containing 654 images of workers obtained from Roboflow. The training results showed robust performance, with a reduction in loss value and an improvement in accuracy based on key metrics such as precision, recall, and mean Average Precision (mAP). YOLOv8, with its anchor-free technique and high efficiency, successfully detected helmets with a confidence level of over 90%. The real-time detection capability of YOLOv8 enables continuous safety monitoring at project sites, thereby reducing the risk of accidents due to non-compliance with safety protocols. Additionally, the lightweight nature of YOLOv8 allows its implementation on edge devices, making it a cost-effective and scalable solution for industrial applications. This implementation demonstrates that YOLOv8 is a reliable, efficient, and practical method for enhancing workplace safety by automating PPE monitoring in construction and industrial environments. Furthermore, the use of this technology can assist supervisors in enforcing safety policies, reducing human errors in monitoring, and increasing overall compliance. The integration of AI-based safety monitoring systems such as YOLOv8 has the potential to revolutionize workplace safety standards, making construction sites safer and more efficient. ABSTRAK Peningkatan kecelakaan kerja sebesar 5% di Indonesia pada tahun 2021 menekankan urgensi penerapan budaya Keselamatan dan Kesehatan Kerja (K3) yang kuat, termasuk penggunaan Alat Pelindung Diri (APD) seperti helm proyek. Namun, rendahnya tingkat pendidikan pekerja (57,5%) menjadi tantangan dalam meningkatkan kesadaran akan pentingnya K3. Untuk mengatasi masalah ini, penelitian ini menggunakan teknologi pemrosesan citra berbasis deep learning dengan algoritma YOLOv8 untuk mendeteksi penggunaan helm oleh pekerja secara real-time. Model ini dilatih menggunakan dataset berisi 654 gambar pekerja yang diperoleh dari Roboflow.Hasil pelatihan menunjukkan kinerja yang kuat, dengan penurunan nilai loss serta peningkatan akurasi berdasarkan metrik utama seperti presisi, recall, dan mean Average Precision (mAP). YOLOv8, dengan teknik anchor-free dan efisiensinya yang tinggi, berhasil mendeteksi helm dengan tingkat kepercayaan lebih dari 90%. Kemampuan deteksi real-time YOLOv8 memungkinkan pemantauan keselamatan yang berkelanjutan di lokasi proyek, sehingga dapat mengurangi risiko kecelakaan akibat ketidakpatuhan terhadap protokol keselamatan. Selain itu, sifat YOLOv8 yang ringan memungkinkan penerapannya pada perangkat edge, menjadikannya solusi yang hemat biaya dan skalabel untuk aplikasi industri. Implementasi ini membuktikan bahwa YOLOv8 adalah metode algoritma yang andal, efisien, dan praktis dalam meningkatkan keselamatan kerja dengan mengotomatiskan pemantauan APD di lingkungan konstruksi dan industri.Lebih lanjut, penggunaan teknologi ini dapat membantu pengawas dalam menegakkan kebijakan keselamatan, mengurangi kesalahan manusia dalam pemantauan, serta meningkatkan kepatuhan secara keseluruhan. Integrasi sistem pemantauan keselamatan berbasis AI seperti YOLOv8 berpotensi merevolusi standar keselamatan kerja, menjadikan lokasi konstruksi lebih aman dan lebih efisien

Page 26 of 29 | Total Record : 285

 24   25   26   27   28 

Filter by Year

2013 2025


Reset
Filter By Issues
All Issue Vol 27 No 2 (2025): TESLA : Jurnal Teknik Elektro Vol 27 No 1 (2025): TESLA: Jurnal Teknik Elektro Vol 26 No 2 (2024): TESLA: Jurnal Teknik Elektro Vol 26 No 1 (2024): TESLA: Jurnal Teknik Elektro Vol 25 No 2 (2023): TESLA: Jurnal Teknik Elektro Vol 25 No 1 (2023): TESLA: Jurnal Teknik Elektro Vol 24 No 2 (2022): TESLA: Jurnal Teknik Elektro Vol 24, No 1 (2022): TESLA: Jurnal Teknik Elektro Vol 24 No 1 (2022): TESLA: Jurnal Teknik Elektro Vol 23, No 2 (2021): TESLA: Jurnal Teknik Elektro Vol 23, No 1 (2021): TESLA: Jurnal Teknik Elektro Vol 22, No 2 (2020): TESLA: Jurnal Teknik Elektro Vol 22, No 1 (2020): TESLA: Jurnal Teknik Elektro Vol 21, No 2 (2019): TESLA: Jurnal Teknik Elektro Vol 21, No 1 (2019): TESLA: Jurnal Teknik Elektro Vol 20, No 2 (2018): TESLA: Jurnal Teknik Elektro Vol 20, No 1 (2018): TESLA: Jurnal Teknik Elektro Vol 20, No 2 (2018): JURNAL TESLA Vol 19, No 2 (2017): TESLA: Jurnal Teknik Elektro Vol 19, No 1 (2017): TESLA: Jurnal Teknik Elektro Vol 18, No 1 (2016): TESLA: Jurnal Teknik Elektro Vol 17, No 2 (2015): TESLA: Jurnal Teknik Elektro Vol 17, No 1 (2015): TESLA: Jurnal Teknik Elektro Vol 16, No 2 (2014): TESLA: Jurnal Teknik Elektro Vol 16, No 1 (2014): TESLA: Jurnal Teknik Elektro Vol 15, No 2 (2013): TESLA: Jurnal Teknik Elektro Vol 15, No 1 (2013): TESLA: Jurnal Teknik Elektro Vol 18, No 2 (2016): TESLA: Jurnal Teknik Elektro More Issue