cover
Contact Name
Murie Dwiyaniti
Contact Email
electrices@pnj.ac.id
Phone
+6281297788723
Journal Mail Official
electrices@pnj.ac.id
Editorial Address
Jl Prof Dr. GA Siwabessy Kampus UI Depok
Location
Kota depok,
Jawa barat
INDONESIA
Electrices : Jurnal Otomasi Kelistrikan dan Energi Terbarukan
ISSN : -     EISSN : 26865068     DOI : https://doi.org/10.32722/ees.v2i2
Electrices adalah jurnal yang diterbitkan oleh Program Studi Teknik Otomasi Listrik Industri untuk menyebarluaskan hasil-hasil penelitian dalam bidang otomasi, kelistrikan, dan energi terbarukan kepada masyarakat serta memberikan sarana untuk bertukar informasi bagi para peneliti, praktisi dan pengguna teknologi tersebut. Jurnal Electrices diterbitkan 2 kali dalam setahun, yaitu pada bulan April dan Oktober. Bidang-bidang pada bahasan jurnal ini meliputi: Electrical: Electrical Engineering Materials, Electric Power Generation, Transmission and Distribution, Power Electronics, Power Quality, Power Economic, FACTS, Electric Traction, High Voltage Insulation Technologies, High Voltage Apparatuses, Lightning Detection and Protection, Power System Analysis, SCADA, Electrical Measurements, and Building Automation System; Automation: Instrumentation and Control Components, Transducer principles, Measurement techniques, Analytical and virtual instrumentation, Process control and instrumentation, Industrial automation, Linear and nonlinear control systems, Optimization and optimal control, Robust control, Neuro-fuzzy control, Adaptive control, Applications of control theory in industry, Mechatronic and Robotic, Mobile Technology, and Intelligent System/Artificial Intelligence. Renewable Energy: Biofuels and energy from biomass, Geothermal energy, Hydropower (conventional hydroelectricity, tidal and wave power), Solar energy (thermal and photovoltaic), and Wind power
Articles 106 Documents
SISTEM MONITORING SUHU DAN KELEMBABAN MESIN INKUBATOR TELUR BERBASIS HMI DAN IOT mahmudin mahmudin; Murie Dwiyaniti; Isdawimah Isdawimah
Electrices Vol 8 No 1 (2026): Volume 8 Nomor 1 Tahun 2026
Publisher : Jurusan Teknik Elektro, Politeknik Negeri Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32722/ees.v8i1.8608

Abstract

Pemantauan manual dapat memperlambat deteksi penyimpangan suhu dan kelembapan pada inkubator industri berkapasitas 25.000 telur Specific Pathogen Free (SPF). Penelitian ini mengevaluasi dampak monitoring PLC–HMI–IoT terhadap efektivitas pemantauan dan indikator keandalan operasional. Sistem mengintegrasikan sensor RS485, PLC, HMI, Haiwell Cloud, serta alarm aplikasi dan email. Evaluasi mencakup perbandingan dengan instrumen referensi selama 12 jam (49 pengamatan), sepuluh uji notifikasi, monitoring 24 jam, dan perbandingan indikator pemeliharaan selama tiga bulan sebelum dan sesudah implementasi. Deviasi maksimum adalah ±0,1 °C dan ±0,1 %RH. Seluruh notifikasi diterima dengan waktu respons rata-rata 19,5 detik melalui aplikasi dan 23,8 detik melalui email. Rata-rata downtime menurun dari 355,0 menjadi 145,3 menit (59,06%), MTTR gabungan dari 118,3 menjadi 87,2 menit/kejadian, availability rata-rata meningkat dari 99,18% menjadi 99,66%, dan rata-rata failure rate menurun dari 0,0000694 menjadi 0,0000386 kegagalan/menit. Kontribusi penelitian adalah evaluasi terukur integrasi PLC–HMI–IoT tanpa mengubah sistem kendali eksisting. Perubahan indikator menunjukkan keterkaitan dengan deteksi gangguan yang lebih cepat, tetapi belum membuktikan kausalitas tunggal karena penelitian hanya mencakup satu inkubator.
Analisis Kinerja Trainer Kit PLTB Turbin Archimedes dengan Konverter DC Buck-Boost Muchlishah Muchlishah; Dezetty Monika; Ardhi Sulistyo; Arkan Zaki; Daffa Aryatama
Electrices Vol 8 No 1 (2026): Volume 8 Nomor 1 Tahun 2026
Publisher : Jurusan Teknik Elektro, Politeknik Negeri Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32722/ees.v8i1.7875

Abstract

Penelitian ini menganalisis kinerja trainer kit PLTB turbin Archimedes yang dilengkapi konverter DC–DC melalui evaluasi karakteristik keluaran listrik Trainer Kit Pembangkit Listrik Tenaga Bayu (PLTB) berbasis turbin Archimedes pada variasi jarak blower dan kondisi pembebanan. Sistem menggunakan turbin berdiameter 30 cm, generator berkapasitas nominal 150 W, anemometer, dan alat ukur listrik. Jarak blower divariasikan dari 20 hingga 160 cm dan pengujian dilakukan pada keadaan tanpa beban serta dengan beban yang dinyatakan 10 Ω. Pada keadaan tanpa beban, tegangan tertinggi 6,5 V tercatat pada jarak 20 cm dan kecepatan angin 5,4 m/s. Pada pengujian berbeban, daya listrik terhitung terbesar 1,90 W pada jarak 40 cm (3,33 V; 0,57 A) dan terendah sekitar 0,27 W pada jarak 160 cm (1,24 V; 0,22 A). Dokumentasi terkait menunjukkan penggunaan konverter DC-DC pada jalur pengisian baterai, tetapi pasangan pengukuran masukan–keluaran konverter belum cukup untuk menyimpulkan regulasi maupun efisiensinya. Hasil ini menunjukkan kegunaan trainer kit untuk pengamatan pengaruh kondisi angin dan pembebanan, dengan kebutuhan verifikasi tambahan atas pengujian konverter.
Pengembangan dan Evaluasi Model Deteksi Warna Label Botol Berbasis YOLOv8n Dinny Yulianti; Eli Sanjaya; Isnanda Nuriskasari; Yurixa Sakhinatul Putri
Electrices Vol 8 No 2 (2026): Volume 8 Nomor 2 Tahun 2026
Publisher : Jurusan Teknik Elektro, Politeknik Negeri Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32722/ees.v8i2.8642

Abstract

Perkembangan Artificial Intelligence (AI) sangat pesat, saat ini bahkan telah merambah ke berbagai sektor industri tak terkecuali industri Food & Beverages (F&B). Salah satu tantangan utama dalam industri F&B adalah pemenuhan target lini produksi yang membutuhkan ritme kerja cepat serta kualitas yang konsisten, yang sulit dipertahankan jika hanya mengandalkan tenaga manual. Berdasarkan masalah tersebut, penelitian ini dilakukan untuk mengembangkan model deteksi warna label botol menjadi dua kelas yaitu: kelas “MERAH” untuk botol berlabel merah dan kelas “BIRU” untuk botol berlabel biru. Sistem ini diperuntukkan sebagai tahap pensortiran sebelum melakukan pengisian cairan ke dalam botol. Algoritma YOLOv8 berbasis Convolutional Neural Network (CNN) dipilih sebagai metode utama dalam penelitian ini. Hasilnya model berhasil dikembangkan dengan performa yang sangat baik, yang dicerminkan melalui metrik evaluasi model YOLOv8, dengan nilai rerata precision mencapai 97,4%, diikuti recall sebesar 99%, mAP@50 senilai 99,4%, serta mAP@50-95 yang berada pada angka 84,9%. Melalui skenario pengujian real-time, pengujian dilakukan dengan melakukan deteksi pada dua kategori objek yaitu: botol berlabel merah dan botol berlabel biru. Hasil pengujian real-time menunjukkan bahwa sistem mampu mencapai akurasi sebesar 100% pada target objek, sedangkan hasil pengujian pada tiga tingkat pencahayaan mencapai akurasi sebesar 66,67%. Dengan nilai performa yang baik dan tingkat akurasi yang tinggi sistem layak direkomendasikan untuk dikembangkan menjadi sub-sistem pengisian botol otomatis berdasarkan warna label untuk penelitian selanjutnya.
Implementasi Machine Learning untuk Prediksi dan Mitigasi Gangguan Jaringan Starlink pada PT X Adelia Putri Hanafiah; Dewi Yanti Liliana; Prihatin Oktivasari
Electrices Vol 8 No 2 (2026): Volume 8 Nomor 2 Tahun 2026
Publisher : Jurusan Teknik Elektro, Politeknik Negeri Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32722/ees.v8i2.8687

Abstract

Penelitian ini mengimplementasikan sistem klasifikasi kondisi dan mitigasi gangguan jaringan Starlink di PT X menggunakan parameter Quality of Service (QoS) dan data cuaca. Dari 13.152 catatan awal, diperoleh 12.984 data setelah preprocessing. Evaluasi Random Forest (RF), Support Vector Machine (SVM), dan Artificial Neural Network (ANN) menggunakan pembagian data stratified 80:20, yaitu 10.387 data latih dan 2.597 data uji. Akurasi yang dilaporkan berturut-turut sebesar 99,81%, 99,03%, dan 98,58%. Confusion matrix memperlihatkan bahwa RF mengklasifikasikan dengan benar 106 dari 108 data Gangguan, 2.415 dari 2.417 data Normal, dan 71 dari 72 data Warning. Kinerja tersebut merepresentasikan klasifikasi label berbasis ambang QoS karena parameter yang digunakan dalam pelabelan juga digunakan sebagai fitur model. RF diimplementasikan pada Raspberry Pi yang terintegrasi dengan ESP32, MikroTik, modem Orbit, dan Telegram Bot. Pada 35 rekaman monitoring, jalur aktif selalu sesuai dengan jalur tujuan yang dicatat, yaitu 22 rekaman Starlink dan 13 rekaman Orbit. Hasil ini mendukung fungsi klasifikasi serta pengalihan jalur, tetapi tidak menunjukkan ketepatan prediksi sebelum gangguan maupun besarnya pengurangan downtime.
Deteksi Kavitasi Pada Pompa Sentrifugal Berbasis Analisis Sinyal Akustik Menggunakan Metode TinyML Arleene Pangaribuan; Rifan Diastama; Iwa Sudradjat
Electrices Vol 8 No 1 (2026): Volume 8 Nomor 1 Tahun 2026
Publisher : Jurusan Teknik Elektro, Politeknik Negeri Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32722/ees.v8i1.8717

Abstract

Kavitasi pada pompa sentrifugal merupakan anomali operasional yang memicu kerusakan impeler dan menurunkan efisiensi mesin secara drastis. Penelitian ini merancang bangun sistem deteksi dini kavitasi berbasis Artificial Intelligence of Things (AIoT) pada purwarupa pompa sentrifugal skala kecil (33 L/menit) yang beroperasi secara real-time menggunakan mikrokontroler ESP32-S3. Pemantauan kondisi pompa mengandalkan analisis sinyal suara, di mana fitur akustik diekstraksi melalui metode Mel-Frequency Energy (MFE). Ekstraksi tersebut kemudian diklasifikasikan menggunakan algoritma 2D Convolutional Neural Network (CNN) dengan arsitektur Tiny Machine Learning (TinyML). Melalui teknik prapemrosesan pemotongan segmen data berdurasi 200 ms untuk mencegah overfitting, model terbaik berhasil mencapai tingkat akurasi validasi sebesar 89,1% dan akurasi testing sebesar 87,85%. Pada tahap pengujian langsung (live testing), penetapan ambang batas probabilitas di angka 0,55 terbukti sangat akurat dalam mengidentifikasi anomali suara kavitasi. Sistem ini juga terintegrasi dengan proteksi otomatis (interlock) yang memicu relay untuk mematikan pompa secara instan setelah kavitasi terdeteksi selama 30 detik berturut-turut. Secara keseluruhan, purwarupa ini menghadirkan solusi pemantauan industri yang murah, responsif, dan mampu memproses komputasi secara mandiri pada tingkat perangkat keras.
Pengembangan Sistem Kendali Fuzzy Logic untuk Optimasi Pembakaran pada Incinerator Skala Rumah Tangga Dian Figana Dian Figana; Yurixa Sakhinatul Putri; Nurdina Widanti; Sulis Setiowati; Muhammad Luthfi Dwi Satria; Mallena Serly Rahmadani
Electrices Vol 8 No 2 (2026): Volume 8 Nomor 2 Tahun 2026
Publisher : Jurusan Teknik Elektro, Politeknik Negeri Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32722/ees.v8i2.8916

Abstract

Pembakaran terbuka sampah rumah tangga di Indonesia menghasilkan asap tebal serta emisi berbahaya seperti CO, CO₂, dan NOx. Incinerator dapat mereduksi volume sampah secara signifikan. Namun, efektivitasnya bergantung pada kestabilan suhu ruang bakar pada rentang 500–1000°C, yang diatur melalui suplai udara dari blower. Kontrol on-off dan PID sulit menangani karakteristik pembakaran yang nonlinier. Karena itu, penelitian ini merancang kendali kecepatan blower berbasis logika fuzzy Mamdani dengan dua masukan, yaitu suhu ruang bakar dan eror suhu terhadap set point, serta satu keluaran berupa tingkat kecepatan blower. Sistem diimplementasikan pada ESP32 dengan thermocouple tipe-K dan modul MAX31855, menggunakan sembilan aturan fuzzy yang dirancang di MATLAB Fuzzy Logic Designer. Pengujian membandingkan respons suhu tanpa kontrol dan dengan kontrol fuzzy terhadap set point 500°C. Tanpa kontrol, overshoot mencapai 9,8%, dan sistem tidak mencapai settling karena suhu turun hingga sekitar 390°C setelah puncak. Dengan kontrol fuzzy, overshoot turun menjadi 7,58% dan settling time tercapai pada 758 detik. Setelah itu, suhu berfluktuasi pada kisaran 490–525°C, tetapi tetap dalam pita toleransi ±5% hingga akhir pengujian 15 menit. Hasil ini menunjukkan bahwa kendali fuzzy Mamdani meningkatkan kestabilan suhu ruang bakar incinerator skala rumah tangga. Pengaruhnya terhadap emisi masih perlu dibuktikan melalui pengukuran gas buang.

Page 11 of 11 | Total Record : 106