cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Ratna Ika Putri
Contact Email
ratna.ika@polinema.ac.id
Phone
+628123313926
Journal Mail Official
jasens@isas.or.id
Editorial Address
Indonesian Society of Applied Science Jl. Raya ITS, Sukolilo, Surabaya, 60111
Location
Unknown,
Unknown
INDONESIA
Journal of Applied Smart Electrical Network and System (JASENS)
Published by Indonesian Society of Applied Science
ISSN : -     EISSN : 27235467     DOI : https://doi.org/10.52158/jasens
Core Subject : Science, Engineering,
Control & Systems Engineering Electrical & Electronics Engineering Energy Engineering
Journal of applied smart electrical network and system (JASENS) aims to provide a forum for academic researchers, industrial professionals, engineers, consultants, managers, educators and practitioners to contribute and disseminate innovative new work on electrical engineering related smart electrical network and system. Scope The topical issues considered by the journal covers, but not limited to, the following topics: Application of smart grid Energy management systems (with application to building and home automation) Power system Power electronics Control engineering Industrial automation The Internet of Thing for smart electrical network system Artificial intelligent for electrical system Intelligent monitoring and outage management Smart sensors and advanced metering infrastructure Embedded systems Micro-grids Digital Protection Relay Renewable energy Energy storage and distributed energy resources
Arjuna Subject : Teknik (semua kategori) - Teknik Listrik dan Elektro
Articles 78 Documents
 4   5   6   7   8 
Model Deep Learning Hybrid CNN-AE untuk Klasifikasi Presisi Warna Buah Melon Yurni Oktarina; Tresna Dewi; Dini Septiyani AR
Journal of Applied Smart Electrical Network and Systems Vol. 6 No. 2 (2025): Vol. 6 No. 02 (2025): Vol 06, No. 02 Desember 2025
Publisher : Indonesian Society of Applied Science (ISAS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52158/d3hydf28

Abstract

Melon fruit color classification is a critical step in assessing fruit ripeness and quality. This study proposes a hybrid deep learning model that integrates Convolutional Neural Network (CNN) and Attention Enhancement (AE) for accurate classification of melon fruit color. The model leverages CNN’s strength in visual feature extraction while enhancing focus on crucial image regions through the attention mechanism. A diverse image dataset of melon fruits was collected under various lighting conditions and angles. Pre-processing steps, including data augmentation, normalization, and image scaling, were applied to improve model generalization. The CNN-Attention hybrid architecture incorporates an attention module into the CNN layers to emphasize significant features. Comparative experiments between the standard CNN and the hybrid model demonstrate that the latter achieves superior classification accuracy, with an average improvement of 5%. Moreover, the hybrid model exhibits better robustness against image noise and lighting variations. These results indicate that incorporating Attention Enhancement can yield a more adaptive and reliable model for melon fruit color classification. The proposed approach is expected to support the development of automated systems for fruit sorting in agriculture and distribution, enhancing speed, accuracy, and efficiency for farmers, traders, and consumers.
Koordinasi Rele Arus Lebih di Perusahaan Nikel Indonesia Menggunakan Grasshopper Optimization Algorithm Riko Satrya Fajar Jaelani Putra; Aulia Rahma Annisa; Yudi Andika; Sholahuddin Muhammad Irsyad; Rahmat Basya Shahrys Tsany
Journal of Applied Smart Electrical Network and Systems Vol. 6 No. 2 (2025): Vol. 6 No. 02 (2025): Vol 06, No. 02 Desember 2025
Publisher : Indonesian Society of Applied Science (ISAS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52158/kn1tk933

Abstract

Setiap sistem kelistrikan bergantung pada ketersediaan energi yang berkelanjutan untuk menjaga produktivitas industri tetap berjalan. Gangguan listrik akan merusak peralatan listrik. Sistem proteksi berfungsi untuk meminimalkan hingga menghilangkan gangguan secara cepat, selektif, dan terkoordinasi demi meminimalkan kerusakan sistem dan memastikan pasokan listrik yang tidak terputus. Khususnya untuk rele arus lebih, time dial setting (TDS) merupakan aspek penting yang harus dipertimbangkan perihal koordinasi proteksi. TDS mengatur waktu operasi rele untuk mengamankan sistem kelistrikan. Umumnya, perhitungan manual digunakan untuk menentukan nilai TDS. Metode trial and error sering digunakan untuk mengoordinasikan rele satu sama lain. Metode ini telah berkembang menjadi algoritma cerdas yang dapat menemukan solusi secara efektif dan cepat, salah satu algoritmanya adalah grasshopper optimization algorithm (GOA). Hasil dari simulasi pada penelitian ini didapatkan nilai koordinasi antara rele 4 bekerja pada 0,1 detik & rele 3 bekerja pada 0,3 detik saat timbul gangguan pada trafo 2, rele 3 bekerja pada 0,297 detik & rele 2 bekerja pada 0,496 detik saat timbul arus gangguan pada bus 4, rele 2 bekerja pada 0,492 detik & rele 1 bekerja pada 0,493 saat timbul arus gangguan pada bus 3 serta kinerja rele 1 yang hanya sebagai primer untuk mengamankan generator bekerja pada 0,354 detik saat timbul arus gangguan pada bus 2 telah menghasilkan nilai perhitungan TDS yang akurat serta masih mematuhi aturan pengaturan minimum nilai coordination time interval (CTI) antara rele primer dan rele backup yaitu 0,2 detik dalam satu rating tegangan dan mendekati 0 di rating tegangan yang berbeda.
SIGAP: Sistem Informasi dan Peringatan Dini Kebakaran Berbasis IoT untuk Komunitas Disabilitas Hendi Purnata
Journal of Applied Smart Electrical Network and Systems Vol. 7 No. 1 (2026): JASENS Vol. 7 No. 1 (2026) : Vol. 07 No. 01, Juni 2026
Publisher : Indonesian Society of Applied Science (ISAS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52158/gqxpwv57

Abstract

Beberapa orang lahir dengan disabilitas seperti gangguan penglihatan, pendengaran, atau bicara. Saat ini, media dan alat bantu untuk penyandang disabilitas masih terbatas, terutama dalam situasi darurat seperti kebakaran. Misalnya, alarm kebakaran umumnya mengandalkan suara, yang tidak efektif bagi tunarungu. Sementara itu, tunawicara mungkin memerlukan alat untuk menghasilkan suara saat terjebak dalam situasi berbahaya. Untuk membantu penyandang tunarungu dan tunawicara, dibuatlah alat pendeteksi dan pemberi peringatan. Alat ini terdiri dari dua bagian: rangkaian pengirim dan penerima. Rangkaian pengirim menggunakan sensor api, Arduino sebagai mikrokontroler, dan modul WiFi ESP8266 untuk mengirim data ke internet melalui Thingspeak. Rangkaian penerima berbentuk jam tangan yang terdiri dari NodeMCU, motor DC mini sebagai indikator getar, LED sebagai indikator cahaya, OLED sebagai indikator bacaan, dan buzzer sebagai indikator suara. Alat ini berfungsi dengan baik dan mencapai efektivitas hingga 95%.
Sistem Monitoring Terdistribusi Berbasis ESP dengan Komunikasi CAN Bus dan Platform Blynk Septyana Riskitasari; Wahyu Aulia Nurwicaksana; Indrazno Siradjuddin; Gillang Al Azhar; Fasha Rafi Islamey
Journal of Applied Smart Electrical Network and Systems Vol. 7 No. 1 (2026): JASENS Vol. 7 No. 1 (2026) : Vol. 07 No. 01, Juni 2026
Publisher : Indonesian Society of Applied Science (ISAS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52158/3e910z95

Abstract

Pemantauan kondisi air sungai secara real-time merupakan aspek penting dalam sistem peringatan dini banjir dan pengelolaan sumber daya air. Penelitian ini bertujuan mengembangkan sistem monitoring terdistribusi yang akurat dan dapat diakses secara remote untuk mendukung deteksi dini potensi banjir. Sistem menggunakan dua node ESP32 dengan komunikasi CAN Bus, dimana node pengirim mengintegrasikan sensor ultrasonik JSN-SR04T untuk pengukuran ketinggian air dan sensor flow meter berbasis Hall Effect untuk pengukuran kecepatan aliran. Node penerima berbasis LilyGo SIM800L mengirimkan data ke platform Blynk dan menampilkan informasi melalui display OLED. Komunikasi antar node menggunakan protokol CAN Bus 50 kbps dengan validasi checksum. Pengujian dilakukan selama 14 jam dengan interval 2 jam dari pukul 06.00-20.00 WIB, menghasilkan 8 sampel data monitoring. Data menunjukkan variasi ketinggian air 32-40 cm dengan rata-rata 35,5 cm, serta kecepatan aliran 0,22-1,50 m/s dengan rata-rata 0,82 m/s. Sistem mencapai akurasi pengukuran ±2,1% untuk ketinggian air dan ±3,4% untuk kecepatan aliran, dengan tingkat keberhasilan transmisi data 96,8% melalui GSM/GPRS. Interface OLED menyediakan monitoring lokal real-time, sedangkan platform Blynk memungkinkan akses remote melalui aplikasi mobile. Sistem terbukti efektif untuk monitoring kontinyu parameter hidrologi sungai dengan tingkat akurasi dan reliabilitas yang memadai untuk aplikasi peringatan dini banjir.
On-Board Diagnostic Tool menggunakan Mikrokontroler pada Kendaraan Listrik (EV) Terintegrasi dengan Speedometer Zakiyah Amalia; Achsanul Khabib; Talifatim Machfuroh; Fica Aida Nadhifatul Aini; Diama Rizky Septiawan; Siti Duratun Nasiqiati Rosady; Ahsani Maulidina
Journal of Applied Smart Electrical Network and Systems Vol. 7 No. 1 (2026): JASENS Vol. 7 No. 1 (2026) : Vol. 07 No. 01, Juni 2026
Publisher : Indonesian Society of Applied Science (ISAS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52158/zgs4tv61

Abstract

Electric vehicles (EVs) are becoming a growing environmentally friendly transportation solution, but they still require an efficient and easily accessible vehicle condition monitoring system. Electric motorcycle users often experience difficulties in directly knowing the condition of the battery, motor, and drive system. Based on these problems, this study aims to develop an On-Board Diagnostic (OBD) system integrated with a speedometer to monitor the main parameters of two-wheeled electric vehicles in real-time. The research method includes designing a microcontroller-based system connected to a motor controller via UART and Controller Area Network (CAN) communication. The system is equipped with a DS3231 RTC module for time markers, an SD Card for data storage, and a 20x4 LCD to display voltage, current, power, temperature, and fault status (fault code). Testing was conducted on the Graha Merjosari Asri–Greenland at Tidar, Malang route, with speed variations between 0–45 km/h. The results show that the system is capable of detecting undervoltage conditions below 60 V, maintaining a stable maximum temperature of 41°C without overheating, and displaying vehicle data accurately and responsively. The developed OBD-speedometer system functions effectively as a portable and economical diagnostic tool for electric two-wheeled vehicles, with potential for development into an IoT-based intelligent monitoring system.
Simulasi Perbandingan Training Dataset YOLOv5 Dan YOLOv8 Menggunakan Prototipe AUV Ryan Yudha Adhitya; Erutan Dwi Sajiwo; Zindhu Maulana Ahmad Putra; M. Yusuf Santoso; M. Khoirul Hasin; Adianto; Dimas Pristovani Riananda; Isa Rachman; Agus Khumaidi; Yuning Widiarti
Journal of Applied Smart Electrical Network and Systems Vol. 7 No. 1 (2026): JASENS Vol. 7 No. 1 (2026) : Vol. 07 No. 01, Juni 2026
Publisher : Indonesian Society of Applied Science (ISAS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52158/pkrjg903

Abstract

Penelitian ini mengevaluasi performa pelatihan model YOLOv5n dan YOLOv8n menggunakan dataset Kompetisi Robot Berbasis Kecerdasan Buatan (KRBAI) 2024 untuk deteksi objek pada prototipe Autonomous Underwater Vehicle (AUV). Dataset yang terdiri atas 4.114 citra dengan tiga kelas objek (gerbang, rintangan, drum) dilatih melalui Google Colab dengan konfigurasi 200 epoch, ukuran batch 16, dan resolusi citra 640x640. YOLOv5n memanfaatkan struktur berbasis anchor, sedangkan YOLOv8n menggunakan pendekatan tanpa anchor dengan modul C2f untuk efisiensi lebih tinggi. Hasil pelatihan menunjukkan YOLOv8n unggul dalam presisi (0,994 vs. 0,990) dan mAP50-95 (0,940 vs. 0,924), sementara YOLOv5n lebih baik pada recall kelas gerbang (0,999). Kedua model memiliki mAP50 serupa (0,993). Waktu pelatihan YOLOv8n sedikit lebih lama (3 jam 17 menit vs. 3 jam 31 menit). YOLOv8n terbukti lebih efektif untuk deteksi objek real-time pada AUV, mendukung navigasi dan pengenalan lingkungan bawah air. Penelitian mendatang perlu menguji dataset yang lebih beragam dan kondisi lingkungan yang lebih kompleks.
Analisis Kerentanan Keamanan Chatbot Berbasis Large Language Model Terhadap Serangan SQL Injection Bambang Harie Wiyono; Filia Nur Anjaini; Lukman Rosyidi
Journal of Applied Smart Electrical Network and Systems Vol. 7 No. 1 (2026): JASENS Vol. 7 No. 1 (2026) : Vol. 07 No. 01, Juni 2026
Publisher : Indonesian Society of Applied Science (ISAS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52158/qy05dk06

Abstract

Perkembangan teknologi Large Language Model (LLM) telah mendorong pemanfaatan chatbot pada berbagai layanan digital. Integrasi chatbot dengan basis data dan layanan backend berpotensi menimbulkan risiko keamanan, terutama terhadap serangan SQL Injection. Penelitian ini bertujuan untuk menganalisis dan menguji kerentanan SQL Injection pada aplikasi chatbot berbasis LLM. Pengujian dilakukan menggunakan payload SQL Injection, Burp Suite, dan OWASP ZAP pada empat chatbot berbasis LLM, yaitu AlexAI, Gemini, Claude, dan Dola. Hasil penelitian menunjukkan bahwa seluruh target tidak memperlihatkan indikasi keberhasilan eksploitasi, tidak terjadi kebocoran informasi, serta tidak ditemukan akses tidak sah ke basis data. Meskipun demikian, ditemukan beberapa isu keamanan pada tingkat aplikasi yang berkaitan dengan konfigurasi keamanan web. Temuan ini menunjukkan bahwa keamanan chatbot berbasis LLM tidak hanya bergantung pada ketahanan model, tetapi juga pada keamanan aplikasi dan infrastruktur pendukung yang digunakan.
Desain Vending Machine FSM Menggunakan Verilog HDL: Perbandingan Moore dan Mealy Resti Dyah Ayu Retno Palupi; Amin Rodhi Alawy Alawy; Annisa Lathifa Gafrillia
Journal of Applied Smart Electrical Network and Systems Vol. 7 No. 1 (2026): JASENS Vol. 7 No. 1 (2026) : Vol. 07 No. 01, Juni 2026
Publisher : Indonesian Society of Applied Science (ISAS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52158/av9kct21

Abstract

Finite State Machine (FSM) merupakan salah satu metode penting dalam perancangan sistem digital yang banyak diterapkan pada perangkat otomatisasi. Penelitian ini membahas desain sistem vending machine berbasis FSM menggunakan Verilog HDL dengan melakukan perbandingan antara metode Moore Machine dan Mealy Machine. Sistem dirancang dan disimulasikan untuk menguji respons terhadap masukan berupa nominal uang dan pemilihan produk. Proses pengujian dilakukan melalui simulasi pada lingkungan Verilog HDL untuk menganalisis karakteristik masing-masing model FSM dalam menghasilkan output sistem. Hasil penelitian menunjukkan bahwa Moore Machine memiliki keunggulan pada kestabilan output karena keluaran hanya dipengaruhi oleh state saat ini, sedangkan Mealy Machine lebih efisien dalam penggunaan jumlah state dan memberikan respons output yang lebih cepat karena dipengaruhi oleh state dan input secara langsung. Berdasarkan hasil analisis, kedua metode memiliki karakteristik yang berbeda sehingga pemilihan model FSM dapat disesuaikan dengan kebutuhan desain sistem digital yang dikembangkan.

Page 8 of 8 | Total Record : 78

 4   5   6   7   8 

Filter by Year

2020 2026


Reset
Filter By Issues
All Issue Vol. 7 No. 1 (2026): JASENS Vol. 7 No. 1 (2026) : Vol. 07 No. 01, Juni 2026 Vol. 6 No. 2 (2025): Vol. 6 No. 02 (2025): Vol 06, No. 02 Desember 2025 Vol 6 No 01 (2025): Vol 06, No. 01 June 2025 Vol 5 No 1 (2024): Vol 5 No 1 (2024): Vol 5 No 1, June 2024 Vol 5 No 2 (2024): Vol 5 No 2 (2024): Vol 5 No 2 Vol 4 No 2 (2023): Vol 4 No 2 (2023): Desember 2023 Vol 4 No 1 (2023): Vol 4 No 1 2023 : June 2023 Vol 3 No 02 (2022): Vol 3 No 02 (2022): Vol 3 No 2 : December 2022 Vol 3 No 01 (2022): Vol 3 No 1 : June 2022 Vol 2 No 01 (2021): Vol 2 No 01 (2021): June 2021 Vol 2 No 2 (2021): Vol 2 No 02 (2021): December 2021 Vol 1 No 02 (2020): Vol 1 No 02 (2020) : December 2020 Vol 1 No 01 (2020): Vol 1 No 01 (2020) : June 2020 More Issue