Journal of Electrical Engineering and Computer (JEECOM)
Journal of Electrical Engineering and Computer (JEECOM) is published by Engineering Faculty of Nurul Jadid University, Probolinggo, East Java, Indonesia. This journal encompasses research articles, original research report, : 1) Power Systems, 2) Signal, System, and Electronics, 3) Communication Systems, 4) Information Technology, etc.
Articles
30 Documents
Search results for
, issue
"Vol 6, No 1 (2024)"
:
30 Documents
clear
<![CDATA[Convolutional Neural Network untuk Klasifikasi Batik Tenun Ikat Bandar Berdasarkan Fitur Warna dan Tekstur ]]>
<![CDATA[Muthrofin, Mohammad Atif Faiz]]>;
<![CDATA[Erwanto, Danang]]>;
<![CDATA[Yanuartanti, Iska]]>
<![CDATA[ Journal of Electrical Engineering and Computer (JEECOM) Vol 6, No 1 (2024) ]]>
Publisher : <![CDATA[Universitas Nurul Jadid ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33650/jeecom.v6i1.8060
<![CDATA[Tenun Ikat Bandar Kediri adalah salah satu jenis batik berupa kain yang ditenun dan diberi suatu pola dan motif pada teksturnya menggunakan suatu mesin tenun kayu tradisional. Pola dan motif pada batik tenun ikat sangat bervariasi tergantung pada rumah produksinya. Biasanya setiap rimah produksi memiliki suatu ciri khas khusus pada pola dan motifnya. Banyaknya pola dan motif tersebut akan menjadikan masyarakat sulit mengenali dan mempelajari ciri visual Tenun Ikat tersebut sehingga bila ada suatu sistem yang mempelajari pola dan motif tersebut maka akan sangat membantu masyarakat. Sistem klasifikasi yang dibuat pada penelitian ini mengimplementasikan algoritma Convolutional Neural Network (CNN) dengan ekstraksi tekstur Tenun menggunakan fitur Gray Level Cooccurence Matrix (GLCM) dan ekstraksi warna menggunakan fitur Color Co-occourrence Matrix (CCM). Pada penelitian ini menggunakan dataset sebanyak 125 citra gambar dari 5 motif batik pada suatu rumah produksi tenun ikat dengan proporsi setiap pola yang seimbang. Hasil dari penelitian ini menunjukkan bahwa rata-rata akurasi dari setiap pengujian mencapai angka 0,94, ini menunjukkan bahwa metode yang dimaksudkan telah dapat melakukan klasifikasi dengan baik.]]>
<![CDATA[Identifikasi Ekspresi Wajah Manusia Menggunakan Algoritma Grey Wolf Optimizer dan Convolutional Neural Network ]]>
<![CDATA[Rohim, Ni’matur]]>;
<![CDATA[Sunyoto, Andi]]>;
<![CDATA[Kusnawi, Kusnawi]]>
<![CDATA[ Journal of Electrical Engineering and Computer (JEECOM) Vol 6, No 1 (2024) ]]>
Publisher : <![CDATA[Universitas Nurul Jadid ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33650/jeecom.v6i1.8269
<![CDATA[Penelitian ini mengeksplorasi penggunaan algoritma Grey Wolf Optimizer (GWO) untuk mengoptimalkan parameter pada Convolutional Neural Network (CNN) dalam mengenali ekspresi wajah manusia. Ekspresi wajah adalah aspek penting dalam komunikasi manusia, dan pengenalan ekspresi tersebut menjadi semakin vital dalam interaksi manusia-mesin dan bidang kesehatan psikologi. Metode deep learning, terutama CNN, telah terbukti efektif dalam mengklasifikasikan ekspresi manusia, meskipun masih menghadapi beberapa tantangan, seperti pengaturan parameter yang rumit dan kebutuhan akan data yang besar. Penelitian ini bertujuan untuk mencari parameter optimal untuk meningkatkan kinerja CNN dalam mengenali ekspresi wajah menggunakan algoritma GWO. Data yang digunakan adalah dataset Facial Expression Recognition 2013 (FER-2013), dengan total 600 citra wajah yang dibagi menjadi tiga kelas: happy, sad, dan angry. Pendekatan yang diusulkan mencakup preprocessing data, pencarian parameter arsitektur CNN menggunakan GWO, pembuatan model CNN, dan pengujian model menggunakan data testing. Hasil pengujian menunjukkan bahwa dengan parameter optimal, model CNN mencapai akurasi yang baik, dengan nilai akurasi 79% pada data training, 60% pada data validation, dan rata-rata akurasi 77% pada data testing. Penelitian ini menyoroti pentingnya penanganan yang cermat dalam menentukan parameter untuk memastikan hasil yang optimal dalam pengenalan ekspresi wajah manusia menggunakan CNN.]]>
<![CDATA[Prediksi Kelayakan Mahasiswa sebagai Penerima Beasiswa Bank Indonesia pada Tahap Seleksi Administrasi di Universitas Nurul Jadid Menggunakan Algoritma K Nearest Neighbor ]]>
<![CDATA[Permatasari, Uky Oktavia Risti]]>;
<![CDATA[Shudiq, Wali Ja'far]]>;
<![CDATA[Jasri, Moh]]>
<![CDATA[ Journal of Electrical Engineering and Computer (JEECOM) Vol 6, No 1 (2024) ]]>
Publisher : <![CDATA[Universitas Nurul Jadid ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33650/jeecom.v6i1.8425
<![CDATA[Beasiswa ialah jenis bantuan keuangan yang diberikan kepada mahasiswa untuk membantu mereka membayar biaya pendidikan. Tahap seleksi administrasi merupakan langkah awal dalam menilai kelayakan mahasiswa. Proses seleksi administrasi jika dilakukan secara manual dapat memakan waktu dan sumber daya, serta keputusan manual dapat rentan terhadap subjektivitas, dan perbedaan penilaian antar panitia seleksi. Oleh karena itu dibutuhkan Prediksi yang akurat untuk dapat mengoptimalkan penggunaan sumber daya, mengetahui faktor utama dan faktor pendukung untuk membantu pihak terkait dalam menentukan kelayakan mahasiswa untuk dinyatakan lolos seleksi administrasi secara lebih mendalam. Tujuan penelitian ini ialah meminimalkan adanya pengaruh keputusan yang bersifat subjektivitas serta meminimalisir adanya human erorr. Penelitian ini mengusulkan Prediksi Kelayakan Mahasiswa Algoritma K Nearest Neighbor (KNN). Perhitungan jarak yang digunakan dalam penelitian ini ialah Euclidean distance yang dimana digunakan untuk mengukur seberapa mirip data yang akan di prediksi dan data latih yang ada. Implementasi algoritma ini menggunakan python di google colab. Dataset yang digunakan dalam penelitian ini ialah sebanyak 350 record data, dengan membagi 75% sebagai data training, dan 25% sebagai data testing. Hasil dari penelitian ini menunjukkan bahwa Algoritma K Nearest Neighbor (KNN) mampu menjadi model prediksi kelayakan yang baik, ditunjukkan dengan nilai akurasi sebesar 93%. ]]>
<![CDATA[Komunikasi Firebase Berbasis Android untuk Sistem Keamanan Gerbang Geser Otomatis Terkendali PLC ]]>
<![CDATA[Kharisma, Oktaf Brillian]]>;
<![CDATA[Aziz, Azridjal]]>;
<![CDATA[Martin, Awaludin]]>;
<![CDATA[Agus, Rio Masri]]>
<![CDATA[ Journal of Electrical Engineering and Computer (JEECOM) Vol 6, No 1 (2024) ]]>
Publisher : <![CDATA[Universitas Nurul Jadid ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33650/jeecom.v6i1.8512
<![CDATA[Sistem Gerbang otomatis, atau autogate, digunakan untuk memudahkan proses pembukaan dan penutupan Gerbang. Namun, dalam penggunaannya, muncul beberapa tantangan. Salah satunya adalah keterbatasan jarak akses pada sistem kendali autogate yang hanya menggunakan remote RF. Selain itu, sistem keamanan saat Gerbang menutup masih memiliki kelemahan, yaitu risiko potensial Gerbang menabrak objek yang berada di jalurnya. Untuk mengatasi tantangan-tantangan tersebut, penelitian ini bertujuan untuk merancang sistem pengendali Gerbang geser otomatis yang mengadopsi PLC sebagai pengontrol utama. Sistem ini juga akan menambahkan akses kontrol melalui smartphone berbasiskan android yang terhubung ke jaringan internet dengan bantuan modul ESP32 serta menggunakan basis data dari Firebase. Selain itu, sensor photobeam akan dimasukkan sebagai elemen pendeteksi objek yang berada di lintasan Gerbang sebagai system pengamannya. Dari Hasil implementasi dan analisis yang telah dilakukan, alat ini berhasil beroperasi sesuai dengan desainnya. Penggunaan smartphone sebagai kendali mampu mengatasi keterbatasan jarak akses, dengan waktu respons sekitar 0,5 hingga 3 detik, bergantung pada kualitas jaringan internet. Sensor photobeam juga berhasil mendeteksi objek yang berada di lintasan Gerbang, sehingga sistem kendali dapat menghentikan dan membuka Gerbang secara otomatis ketika objek terdeteksi saat Gerbang sedang menutup.]]>
<![CDATA[Sistem Pemantauan Volume Cairan Infus Berbasis Fuzzy Logic untuk Penanganan Korban Bencana Alam di Rumah Sakit Darurat TNI ]]>
<![CDATA[Mukhsin, Muhammad]]>;
<![CDATA[Wibisono, Petrus Gunawan]]>;
<![CDATA[Setiawan, Heri]]>;
<![CDATA[Widiatmoko, Dekki]]>;
<![CDATA[Achmad I, Afif]]>
<![CDATA[ Journal of Electrical Engineering and Computer (JEECOM) Vol 6, No 1 (2024) ]]>
Publisher : <![CDATA[Universitas Nurul Jadid ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33650/jeecom.v6i1.8362
<![CDATA[Penelitian ini bertujuan untuk mengembangkan sistem monitoring volume cairan infus pada korban bencana alam di Rumah Sakit Darurat TNI menggunakan Internet of Things (IoT) dan metode fuzzy logic. Dalam situasi bencana alam, pemantauan volume cairan infus pada korban menjadi penting untuk memastikan bahwa pasien menerima perawatan yang tepat dan tepat waktu. Namun, tugas tersebut sering kali menjadi sulit karena jumlah pasien yang tinggi dan jumlah tenaga medis yang terbatas. Dalam penelitian ini sistem monitoring dengan menggunakan perangkan Internet of Things (IoT) untuk mengumpulkan data volume infus secara real-time, serta sensor TCRT 5000 untuk membaca tetesan infus yang terhubung pada IoT akan mengirimkan data keserver pusat. Dalam pengolahan data tersebut diolah menggunakan metode Fuzzy Logic untuk mendapatkan informasi yang berguna kepada tim medis, serta memberikan peringatan dini kepada tim medis yang berjaga. Pada pengujian alat memiliki tingkat error sebesar 0,05% - 0,1 % dan memiliki tingkat akurasi sebesar 97,8 %. Dengan demikian alat ini dapat diaplikasikan dapa rumah sakit darurat TNI.]]>
<![CDATA[Rekomendasi untuk Meningkatkan Kapabilitas Strategi TI pada Perguruan Tinggi Swasta XYZ Berdasarkan Analisis COBIT 2019 Domain APO02 ]]>
<![CDATA[Hestiningtyas, Annisa]]>;
<![CDATA[Hendi, Muhammad Alva]]>;
<![CDATA[Nasiri, Asro]]>
<![CDATA[ Journal of Electrical Engineering and Computer (JEECOM) Vol 6, No 1 (2024) ]]>
Publisher : <![CDATA[Universitas Nurul Jadid ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33650/jeecom.v6i1.7158
<![CDATA[Perguruan Tinggi Swasta XYZ menghadapi tekanan yang semakin meningkat untuk menjalankan operasinya secara efektif dan efisien dalam era digital yang cepat berubah. Pengelolaan strategi Teknologi Informasi (TI) adalah salah satu kunci untuk mencapai tujuan tersebut. Penelitian ini bertujuan untuk memberikan rekomendasi yang konkret dan terukur untuk meningkatkan kapabilitas strategi TI di Perguruan Tinggi Swasta XYZ, dengan menggunakan analisis berdasarkan COBIT 2019 Domain APO02 (Manage Strategy). Penelitian ini menggunakan metode campuran yang melibatkan survei, wawancara dengan pemangku kepentingan kunci, dan analisis dokumen strategis yang ada. Hasil penelitian berdasarkan tingkat kapabilitas dalam pengelolaan strategi TI di perguruan tinggi swastaXYZ, dengan beberapa aspek yang telah berkembang dengan baik sementara aspek lainnya memerlukan perbaikan. Perlu diketahui bahwa Perguruan Tinggi Swasta XYZ tersebut belum pernah melakukan proses tata kelola TI dan audit internal menggunakan COBIT 2019 ]]>
<![CDATA[Penerapan Metode Weighted Product (WP) Untuk Penentuan Rumah Tidak Layak Huni (RTLH) Di Desa Sukorejo Probolinggo Berbasis Web ]]>
<![CDATA[Sya'roni, Wahab]]>;
<![CDATA[Hidayat, Noer Fadli]]>;
<![CDATA[Sukron, Moh.]]>
<![CDATA[ Journal of Electrical Engineering and Computer (JEECOM) Vol 6, No 1 (2024) ]]>
Publisher : <![CDATA[Universitas Nurul Jadid ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33650/jeecom.v6i1.8308
<![CDATA[Penilaian kelayakan hunian merupakan aspek penting dalam upaya perbaikan kondisi rumah khususnya di desa desa terpencil yang masih banyak ditemukan rumah warga tidak layak huni yang disebabkan oleh faktor perekonomian masyarakat dan mempunyai penghasilan dibawah rata rata, kondisi tersebut membuat banyaknya rumah warga tidak layak huni yang perlu dibedah melalui bantuan yang diadakan oleh pemerintah yaitu program bantuan rumah tidak layak huni RTLH. Dalam penentuan rumah tidak layak huni di desa Sukorejo pihak desa masih menggunakan pendataan secara manual sehingga sering kali terjadi salah sasaran sehingga yang seharusnya masih bisa memperbaiki rumahnya sendiri masih tergolong sebagai penerima bantuan oleh karena itu untuk mencegah terjadinya salah sasaran agar program bantuan rumah tidak layak huni ini tersalurkan kepada warga yang memang benar benar layak untuk mendapatkan bantuan. Untuk mengetahui kelayakan rumah penduduk dalam penentuan ini akan menggunakan data kriteria secara efektif dengan Metode weighted product (wp). Metode weighted product dapat membantu dalam pengambilan keputusan, Perhitungan dengan metode weighted product ini akan menghasilkan nilai tertinggi yang akan terpilih menjadi alternatif terbaik. Penentuan rumah tidak layak huni pada desa sukorejo ini berdasarkan kriteria yaitu rumah yang tidak memenuhi aspek keamanan, keselamatan bagi penghuninya, mata pencahariannya sebagai buruh tani, petani atau hanya mengurus rumah yang penghasilannya dibawah rata rata, memiliki status tanah yang sah serta ketersediaan listrik. Penentuan ini menggunakan bahasa pemograman python dengan framwork streamlit. Dataset yang digunakan sebanyak 1004 data pada tahun 2020 – 2023 dengan 201 data testing. Untuk hasil dari prediksi dalam penentuan rumah tidak layak huni menggunakan metode weighted product ini menghasilkan akurasi sebesar 95% dengan nilai akurasi tersebut diharapkan dapat membantu memprediksi penentuan rumah tidak layak huni sehingga dapat membantu pihak desa dalam menjalankan program pemerintah untuk menurunkan angka kemiskinan yang ada di desa Sukorejo kecamatan Kotaanyar kabupaten Probolinggo.]]>
<![CDATA[Studi Literatur Mengenai Klasifikasi Citra Kucing Dengan Menggunakan Deep Learning: Convolutional Neural Network (CNN) ]]>
<![CDATA[Linda, Kumara Dewi]]>;
<![CDATA[Kusrini, Kusrini]]>;
<![CDATA[Hartanto, Anggit Dwi]]>
<![CDATA[ Journal of Electrical Engineering and Computer (JEECOM) Vol 6, No 1 (2024) ]]>
Publisher : <![CDATA[Universitas Nurul Jadid ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33650/jeecom.v6i1.7480
<![CDATA[Deep learning merupakan bagian dari machine learning yang memiliki kemampuan untuk mengenali pola gambar, suara, teks dan data lainnya yang kompleks sehingga dapat menghasilkan prediksi yang akurat. Salah satu kemampuan deep learning adalah klasifikasi citra pada objek. CNN adalah salah satu metode dalam machine learning yang digunakan untuk mengklasifikasikan citra objek. Algoritma Convolutional Neural Network (CNN) adalah bagian dari deep learning network yaitu jenis jaringan saraf tiruan yang saat ini banyak digunakan untuk pengenalan suatu citra. Dalam penelitian ini, algoritma yang digunakan adalah CNN karena akurasinya yang cukup baik. Deep learning dengan convolutional neural network (CNN) yang banyak digunakan untuk melakukan deteksi, klasifikasi, dan prediksi pada gambar. Citra objek dalam penelitian ini adalah kucing yang terdiri dari berbagai macam jenis. Tujuan dari penelitian ini adalah untuk mengklasifikasikan citra kucing sesuai dengan jenisnya. Jurnal ini merupakan tinjauan literatur untuk menambah pengetahuan berharga mengenai penelitian terbaru tentang klasifikasi citra kucing menggunakan CNN. Jurnal ini membahas studi literatur tentang variabel input, metode yang digunakan dan hasil literatur dari penelitian sebelumnya. Metode yang paling banyak digunakan pada penelitian sebelumnya adalah CNN]]>
<![CDATA[Peningkatan Akurasi Deteksi Kendaraan Menggunakan Kombinasi Haar Cascade Classifier dan Convolutional Neural Networks (CNN) ]]>
<![CDATA[Irawanto, Indra]]>;
<![CDATA[Sunyoto, Andi]]>;
<![CDATA[Kusnawi, Kusnawi]]>
<![CDATA[ Journal of Electrical Engineering and Computer (JEECOM) Vol 6, No 1 (2024) ]]>
Publisher : <![CDATA[Universitas Nurul Jadid ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33650/jeecom.v6i1.8242
<![CDATA[Teknologi pengolahan citra digital dan computer vision telah memainkan peran penting dalam meningkatkan sistem pengaturan lalu lintas. Meskipun kamera CCTV umum digunakan, kebanyakan sistem masih bersifat pasif dan terbatas dalam pengawasan arus lalu lintas. Dalam menanggapi kebutuhan akan sistem yang lebih proaktif dan adaptif, dikembangkan berbagai sistem Manajemen Lalu Lintas Pintar yang mengintegrasikan teknologi deteksi objek kendaraan canggih, seperti kombinasi Haar Cascade Classifier dengan Convolutional Neural Network (CNN). Haar Cascade Classifier efektif dalam mendeteksi objek real-time, namun dapat mengalami kesulitan dalam kondisi gambar kompleks. Integrasi dengan CNN diharapkan meningkatkan akurasi deteksi kendaraan dalam berbagai kondisi pencahayaan dan latar belakang. Penelitian ini bertujuan untuk mengeksplorasi arsitektur CNN yang optimal untuk diintegrasikan dengan Haar Cascade guna mencapai efisiensi dan akurasi deteksi kendaraan yang lebih tinggi dalam pengaturan lalu lintas. Dari hasil eksperimen, kombinasi Haar Cascade dan CNN efektif dalam mendeteksi dan mengestimasi jumlah kendaraan. Performa model tergantung pada kompleksitas gambar, di mana semakin kompleks gambar, semakin rendah akurasi dan sensitivitasnya. Penggunaan arsitektur MobileNet dan Xception menunjukkan kemampuan yang baik dalam mendeteksi kendaraan, dengan Xception memberikan sedikit peningkatan dalam akurasi (80.13%) dibandingkan dengan MobileNet (79.19%), namun dengan waktu komputasi yang sedikit lebih lama (1.02 detik dibandingkan dengan 0.82 detik). Pilihan antara kedua model tergantung pada kebutuhan spesifik aplikasi, seperti kebutuhan untuk akurasi yang lebih tinggi atau kecepatan pemrosesan yang lebih cepat. Dengan demikian, penelitian ini berpotensi untuk memberikan kontribusi signifikan bagi pengembangan sistem lalu lintas yang lebih cerdas dan responsif di masa depan.]]>
<![CDATA[Pengujian Inverter Untuk Menggerakkan Motor AC 3 Phasa Melalui Frekuensi pada Mesin Slitting ]]>
<![CDATA[Munthe, Budi Valentino]]>;
<![CDATA[Santoso, Dian Budhi]]>
<![CDATA[ Journal of Electrical Engineering and Computer (JEECOM) Vol 6, No 1 (2024) ]]>
Publisher : <![CDATA[Universitas Nurul Jadid ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33650/jeecom.v6i1.7784
<![CDATA[Salah satu cara agar makanan, minuman, maupun produk lainnya terjaga kebersihannya menggunakan sebuah kemasan. Kemasan dibuat oleh banyak proses salah satunya proses melalui mesin slitting. Mesin slitting berfungsi memotong lembaran material kemasan menjadi lebih kecil. Pada mesin slitting terdapat komponen motor ac yang bisa diatur kecepatannya melalui besaran nilai frekuensi dari inverter. Motor ac berfungsi menggerakkan gulungan lembaran yang akan dipotong pada mesin slitting sedangkan inverter tidak hanya untuk mengatur kecepatan motor namun berfungsi merubah arus dc menjadi arus ac yang dibutuhkan oleh komponen. Frekuensi berhubungan dengan besar atau kecilnya nilai rpm yang didapatkan. Semakin besar nilai frekuensi yang dimasukkan maka akan didapatkan nilai rpm yang semakin besar juga baik dari pengujian maupun perhitungan menggunakan rumus. Begitupun sebaliknya jika semakin kecil nilai frekuensi yang dimasukkan maka nilai rpm yang didapatkan pun akan semakin kecil baik dari pengujian maupun perhitungan secara langsung. Jika data dari hasil pengujian dibandingkan dengan data hasil dari rumus yang telah dihitung maka akan didapatkan nilai yang hampir sama, perbedaan sedikit nilai ini disebabkan oleh beban pada motor ac]]>
