cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Suci Dwijayanti
Contact Email
sucidwijayanti@ft.unsri.ac.id
Phone
+6281367757107
Journal Mail Official
jres@unsri.ac.id
Editorial Address
Department of Electrical Engineering Faculty of Engineering Universitas Sriwijaya Jalan Raya Palembang-Prabumulih KM 32 Indralaya Kabupaten Ogan Ilir 30662 website: http://elektro.unsri.ac.id
Location
Kab. ogan ilir,
Sumatera selatan
INDONESIA
Jurnal Rekayasa Elektro Sriwijaya
Published by Universitas Sriwijaya
ISSN : -     EISSN : 27164063     DOI : -
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering
Jurnal Rekayasa Elektro Sriwijaya adalah peer-reviewed jurnal yang dipublikasikan oleh Jurusan Teknik Elektro Universitas Sriwijaya. Jurnal ini diterbitkan dua kali dalam setahun, yaitu pada bulan Mei dan November. Ruang lingkup jurnal berfokus pada bidang teknik elektro, namun tidak hanya terbatas pada tenaga listrik, tegangan tinggi, telekomunikasi, teknologi informasi, pengolahan sinyal, ataupun kecerdasan buatan saja. Jurnal Rekayasa Elektro Sriwijaya juga dapat mencakup beberapa bidang lainnya, seperti bidang pertanian dan ekonomi yang mana pada praktiknya dapat berkolaborasi dengan bidang teknik elektro.
Arjuna Subject : Teknik (semua kategori) - Teknik Listrik dan Elektro
Articles 69 Documents
 3   4   5   6   7 
Rancang Bangun Trainer Pengendali Relay Berbasis PLC Sebagai Media Pembelajaran Instalasi Listrik di SMK N 8 Kabupaten Tangerang Andi Alimundien; Ariyawan Sunardi; Aripin Triyanto
Jurnal Rekayasa Elektro Sriwijaya Vol. 6 No. 1 (2024): Jurnal Rekayasa Elektro Sriwijaya
Publisher : Jurusan Teknik Elektro Fakultas Teknik Universitas Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36706/jres.v6i1.135

Abstract

Abstrak -- Berdasarkan observasi mengindikasikan bahwa pembelajaran praktikum belum optimal. Penelitian ini mengembangkan media pembelajaran trainer pengendali relay berbasis PLC untuk meningkatkan kualitas pembelajaran di SMK Negeri 8 Kabupaten Tangerang. Trainer dirancang dan dikembangkan menggunakan Metode Research and Development (R&D), Hasil desain dengan dimensi alat 116cm tinggi dan 96cm lebar, Hasil uji fungsi 1, tegangan 23.82 VDC dan arus 26 mA, Hasil uji fungsi 2 tegangan 208 VAC, arus 0.555 A dan frekuensi 50 Hz. Validasi oleh ahli materi, ahli media, dan siswa menunjukkan tingkat kelayakan total 90%, mencerminkan kesesuaian dengan standar kurikulum dan efektivitas dalam meningkatkan minat siswa. Peneliti mengidentifikasi potensi penggunaan trainer PLC sebagai media pembelajaran yang efektif. Kata Kunci: Media Pembelajaran, Programmable Logic Controller, Research and Development
Sistem Monitoring Kualitas Air Kolam Lele Berbasis IOT Dengan Sistem Tenaga Hibrida Amalia Herlina; Moh. Soif Ardiansah; Ridhwan Fadilah; Susilo Alif Hidayat Maha Putra
Jurnal Rekayasa Elektro Sriwijaya Vol. 6 No. 1 (2024): Jurnal Rekayasa Elektro Sriwijaya
Publisher : Jurusan Teknik Elektro Fakultas Teknik Universitas Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36706/jres.v6i1.136

Abstract

Abstrak-- Sistem monitoring kualitas air kolam lele berbasis internet of things (IoT) ini dilakukan untuk merancang bangun sebuah sistem monitoring untuk membantu peternak lele melakukan pemantauan kualitas air kolam lele secara efektif. Pemantauan ini dilakukan agar tingkat hidup ikan lele semakinmeningkat sehingga diperoleh hasil panen yang optimal. Hal ini sejalah dengan kebijakan Kementrian Kelautan dan Perikanan (DKP) yang menetapkan ikan lele sebagai salah satu dari 10 komoditas unggulan budidaya perikanan. Permasalahan dalam penelitian ini diselesaikan melalui pelaksanaan tahapan penelitian terdiri dari empat tahap yaitu 1) Tahap Studi Pendahuluan, 2) Desain dan Perancangan Alat, 3) Pembuatan Alat dan 4) Pengujian Alat. Sistem monitoring yang dibuat menggunakan sensor suhu DS18B20 dan sensor pH. Mikrokontroler yang digunakan alah NodeMCU ESP32, sedangkan platform IoT yang digunakan adalah Blynk 2.0. Sistem tenaga hibrida yang diimplementasikan berasal dari listrik PLN dan tenaga surya. Dari hasil pengujian alat dapat diketahui bahwa performa tenaga surya tertinggi terjadi pada siang hari. Tingkat error pada pembacaan sensor suhu jika dibandingkan dengan pembacaan manual rendah yaitu sebesar 0,1%.Sedangkan tingkat error pada pembacaan sensor pH jika dibandingkan dengan pembacaan manual juga rendah yaitu sebesar 0,2%. Selanjutnya, dari pengujian konektivitas internet diketahui bahwa jangkauan pembacaan alat maksimal sejauh 20 meter. Dari segi perhitungan efisiensi biaya, maka penggunaan alat sistem monitoring ini memunculkan penghemaan biaya sebesar Rp. 2.700,- per bulan.
Algoritma Extreme Gradient Boosting (XGBoost) dan Adaptive Boosting (AdaBoost) Untuk Klasifikasi Penyakit Tiroid Anita Desiani; Siti Nurhaliza; Tri Febriani Putri; Bambang Suprihatin
Jurnal Rekayasa Elektro Sriwijaya Vol. 6 No. 2 (2025): Jurnal Rekayasa Elektro Sriwijaya
Publisher : Jurusan Teknik Elektro Fakultas Teknik Universitas Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36706/jres.v6i2.145

Abstract

Thyroid disease is a disease of the thyroid gland that can interfere with daily activities. Early detection of thyroid disease can have an important impact in optimizing the development of early detection systems that are more effective and accurate in detecting the disease. Data mining approaches can be used to solve this problem by utilizing various available algorithms, such as Adaptive Boosting and Extreme Gradient Boosting. This research aims to improve the development of early thyroid disease prediction by comparing the two algorithms by utilizing the percentage split method. This research provides results if the Adaptive Boosting algorithm provides an accuracy value of 97%. In class 0, the precision and recall values are the same at 98%, while in class 1 it is 80% and 90%. Meanwhile, testing using the Extreme Gradient Boosting algorithm gives an accuracy value of 98%. In class 0, the same precision and recall values are 99%, while for class 1 it is 86% and 90%. Based on the comparison by considering the accuracy, precision, and recall values, as well as the performance of the two algorithms, it is concluded that the implementation of the Extreme Gradient Boosting algorithm has the best performance for thyroid disease detection.
Pengaruh Karakteristik Material Alumunium, PVC dan Fiberglass Terhadap Efisiensi Energi pada Kincir Angin Skala Kecil Rahmawati; Jamil Hafizh; Ike Bayusari; Hermawati; Caroline
Jurnal Rekayasa Elektro Sriwijaya Vol. 6 No. 2 (2025): Jurnal Rekayasa Elektro Sriwijaya
Publisher : Jurusan Teknik Elektro Fakultas Teknik Universitas Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36706/jres.v6i2.148

Abstract

Abstrak— Penelitian ini bertujuan untuk menganalisis efisiensi variasi material sudu pada turbin Savonius dalam skala mikro yang digunakan untuk pengisian baterai ponsel. Mengingat pentingnya pengembangan energi terbarukan akibat berkurangnya ketersediaan energi fosil, penelitian ini fokus pada pemanfaatan energi angin sebagai alternatif energi terbarukan. Prototipe Pembangkit Listrik Tenaga Bayu (PLTB) dengan variasi material sudu berupa PVC, aluminium, dan fiberglass diuji untuk menentukan material yang paling efisien. Hasil penelitian menunjukkan variasi material sudu yang berbeda memiliki pengaruh signifikan terhadap energi listrik yang di hasilkan. Berdasarkan penelitian yang telah dilakukan bahwa material sudu alumunium bekerja lebih baik di bandingkan dengan dua material lainnya, disusul oleh fiberglass dan PVC. Alumunium menghasilkan tegangan sebesar 8.4 V, Arus sebesar 0.2 A dan daya sebesar 0.1688 Watt ketika di berikan angin paling tinggi yaitu 7,1 m/s. Yang menandakan bahwa alumunium dapat bekerja secara optimal dikarenakan massa yang ringan dan cocok digunakan sebagai material sudu turbin PLTB.
Aplikasi CNN untuk Analisis Visual Pertumbuhan Tanaman Bitter Melon dalam Sistem Akuaponik Yurni Oktarina; Rapli Wijaya; Tresna Dewi; Pola Risma
Jurnal Rekayasa Elektro Sriwijaya Vol. 6 No. 2 (2025): Jurnal Rekayasa Elektro Sriwijaya
Publisher : Jurusan Teknik Elektro Fakultas Teknik Universitas Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36706/jres.v6i2.152

Abstract

Technological advances in modern agriculture face major challenges, such as limited land and climate change that affect crop productivity. One approach that is gaining popularity is the aquaponic system, which is a farming method that combines fish and plants in one controlled ecosystem. In this study, a Convolutional Neural Network (CNN) method with a transfer learning approach was used, using the ResNet50 model to classify the condition of bitter melon plants growing in an aquaponic system. The developed model aims to distinguish plants into two categories, namely Good Condition and Reject. Test results show that the model has a high level of accuracy in classifying plant conditions, with a precision of 92%, recall of 100%, and F1-score reaching 96% on training data. However, the model still faces challenges in generalizing to the test data, which indicates the possibility of overfitting. To improve the performance of the model, various optimization techniques such as data augmentation and model regulation were performed to enrich the dataset variation and improve the model's ability to recognize more diverse plant growth patterns. Although there are still obstacles in handling differences in lighting and image capture angles, this method makes a significant contribution to the development of a more efficient and accurate artificial intelligence-based monitoring system in aquaponics systems. This research can be further developed by creating a more lightweight and adaptive model, and testing its performance in various real conditions in the aquaponics environment. The implementation of this deep learning-based classification system is expected to support precision agriculture innovation and encourage the sustainability of technology-based food production.
Analisis Penurunan Gangguan Akibat Hewan pada Saluran Transmisi Unit Pelaksana Transmisi (UPT) Palembang Menggunakan Topskor Robi Prasetio; Suci Dwijayanti
Jurnal Rekayasa Elektro Sriwijaya Vol. 6 No. 2 (2025): Jurnal Rekayasa Elektro Sriwijaya
Publisher : Jurusan Teknik Elektro Fakultas Teknik Universitas Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36706/jres.v6i2.154

Abstract

Penyaluran listrik dari pusat-pusat pembangkit ke pusat beban merupakan proses penting dalam sistem transmisi listrik yang memerlukan efisiensi tinggi dan keandalan yang optimal. Proses sistem transmisi ini memanfaatan Menara Saluran Udara Tegangan Tinggi dan Ekstra Tinggi (SUTT/SUTET) sebagai media penyaluran listrik untk tegangan tinggi. Ketidakseimbangan dalam penyaluran listrik dapat menyebabkan gangguan stabilitas dan kontinuitas suplai energi listrik. Salah satu penyebab gangguan pada proses penyaluran listrik pada sistem transmisi adalah gangguan eksternal yang datang dari binatang. Oleh karena itu, sebagai langkah mitigasi terhadap gangguan binatang khususnya gangguan kotoran burung adalah dengan pemasangan topskor. Topskor adalah salah satu program kerja yang dimiliki oleh (Unit Pelaksana Transmisi) UPT Palembang. Alat ini dipasang pada 4 (empat) ULTG dibawah naungan UPT Palembang. Penelitian ini bertujuan untuk menganalisis pemasangan topskor yang dilakukan oleh UPT Palembang serta mengidentifikasi solusi terhadap perencanaan dalam pemeliharaan topskor Berdasarkan hasil analisi yang dilakukan, pemasangan topskor atau topi pelindung isolator pada ULTG Betung, ULTG Boom Baru, ULTG Borang, dan ULTG Keramasan, mampu menurunkan gangguan pada penghantar yang disebabkan oleh hewan hanya satu gangguan, khususnya gangguan akibat kotoran burung, di wilayah kerja Unit Pelaksana Transmisi (UPT) Palembang. Oleh karena itu, isolator dapat terlindungi secara lebih optimal dari potensi gangguan yang ditimbulkan oleh kotoran burung, yang berisiko mengganggu kinerja serta keandalan sistem transmisi tenaga listrik.
Smart Aquaculture Vision: Deteksi dan Klasifikasi Ikan Otomatis Menggunakan YOLOv8 Riyo Irawan; Tresna Dewi; Pola Risma; Yurni Oktarina
Jurnal Rekayasa Elektro Sriwijaya Vol. 6 No. 2 (2025): Jurnal Rekayasa Elektro Sriwijaya
Publisher : Jurusan Teknik Elektro Fakultas Teknik Universitas Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36706/jres.v6i2.157

Abstract

Akuakultur modern menuntut sistem pemantauan ikan yang efisien dan akurat guna meningkatkan produktivitas dan keberlanjutan. Penelitian ini mengusulkan pemanfaatan algoritma deteksi objek berbasis deep learning, yaitu YOLOv8, untuk mendeteksi dan mengklasifikasikan tiga jenis ikan secara otomatis: Black Spotted Barb, Gourami, dan Mosquito Fish. Dataset yang digunakan berasal dari Kaggle dan terdiri atas 730 gambar yang telah dilabeli ulang menggunakan Roboflow. Proses pelatihan dilakukan di Google Colab dengan konfigurasi GPU, batch size 32, selama 100 epoch. Model dievaluasi menggunakan metrik presisi, recall, dan mAP. Hasil evaluasi menunjukkan performa yang sangat baik dengan nilai precision sebesar 0.978, recall sebesar 0.928, mAP50 sebesar 0.973, dan mAP50-90 sebesar 0.616. Temuan ini membuktikan bahwa YOLOv8 mampu memberikan deteksi objek yang akurat dan efisien, serta berpotensi untuk diterapkan dalam sistem pemantauan akuakultur berbasis visi komputer secara real-time.
Model Prediksi Deep Learning dengan Pendekatan Feedforward Neural Network Lukman Nul Hakim; Tresna Dewi; Pola Risma; Yurni Oktarina
Jurnal Rekayasa Elektro Sriwijaya Vol. 6 No. 2 (2025): Jurnal Rekayasa Elektro Sriwijaya
Publisher : Jurusan Teknik Elektro Fakultas Teknik Universitas Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36706/jres.v6i2.158

Abstract

Penelitian ini bertujuan untuk menerapkan model deep learning, khususnya Feedforward Neural Network (FNN), dalam meramalkan nilai irradiance berdasarkan data waktu. Solar irradiance sangat penting dalam pengembangan sistem energi terbarukan seperti panel surya untuk meningkatkan efisiensi sistem tenaga surya dan mengoptimalkan perencanaan sumber daya energi. Penggunaan model ini diharapkan dapat memberikan prediksi yang lebih akurat dan handal, sehingga mendukung pengambilan keputusan dalam pengelolaan energi terbarukan secara berkelanjutan. Untuk meningkatkan akurasi prediksi, penelitian ini menerapkan teknik preprocessing data yang mencakup penghapusan nilai hilang dan normalisasi menggunakan MinMaxScaler guna meningkatkan stabilitas pelatihan model. Model FNN yang diusulkan terdiri dari beberapa lapisan tersembunyi dengan aktivasi non-linear untuk menangkap pola kompleks dalam data, serta lapisan output untuk menghasilkan prediksi akhir. Pelatihan model dilakukan menggunakan algoritma optimasi seperti Adam, dengan fungsi aktivasi ReLU untuk meningkatkan konvergensi. Evaluasi model dilakukan menggunakan metrik RMSE, MSE, MAE, dan R-squared (R²) sebagai indikator utama keakuratan model dalam peramalan irradiance. Hasil evaluasi menunjukkan bahwa model ini mampu memberikan prediksi yang akurat terhadap pola irradiance, dengan nilai RMSE dan MAE yang rendah serta R² mendekati satu, menandakan kinerja yang sangat baik dalam menangkap dinamika data.
Analisis Perbandingan Model Regresi dan Algoritma Ensemble dalam Prediksi Jarak Sensor Inframerah Berdasarkan Sudut dan Material Penghalang Ahmad Firman; Khairunisa; Aprimivi Manda; Melia Sari; Abdul Haris Dalimunthe; Puspa Kurniasari; Iwan Pahendra Anto Saputra; Desi Windisari
Jurnal Rekayasa Elektro Sriwijaya Vol. 6 No. 2 (2025): Jurnal Rekayasa Elektro Sriwijaya
Publisher : Jurusan Teknik Elektro Fakultas Teknik Universitas Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36706/jres.v6i2.160

Abstract

Penelitian ini bertujuan untuk menganalisis performa berbagai model regresi dan algoritma ensemble dalam memprediksi jarak sensor inframerah dengan mempertimbangkan sudut dan jenis material penghalang. Sensor inframerah memiliki kelemahan terhadap variasi lingkungan yang dapat menyebabkan error non-linear dalam pengukuran jarak. Data dikumpulkan dari eksperimen yang melibatkan variasi sudut (0°, 30°, 45°, 60°) dan empat jenis material (kayu, kertas, aluminium, plastik). Delapan model digunakan dan dievaluasi menggunakan metrik RMSE dan R-squared. Hasil menunjukkan bahwa algoritma ensemble seperti XGBoost, Random Forest, dan Gradient Boosting secara signifikan lebih akurat dibandingkan model regresi konvensional. Temuan ini menggarisbawahi pentingnya pemilihan model yang mampu menangkap hubungan non-linear kompleks dalam pengembangan sistem pengukuran berbasis sensor inframerah.

Page 7 of 7 | Total Record : 69

 3   4   5   6   7 

Filter by Year

2019 2025


Reset
Filter By Issues
All Issue Vol. 6 No. 2 (2025): Jurnal Rekayasa Elektro Sriwijaya Vol. 6 No. 1 (2024): Jurnal Rekayasa Elektro Sriwijaya Vol. 5 No. 2 (2024): Jurnal Rekayasa Elektro Sriwijaya Vol. 5 No. 1 (2023): Jurnal Rekayasa Elektro Sriwijaya Vol. 4 No. 2 (2023): Jurnal Rekayasa Elektro Sriwijaya Vol. 4 No. 1 (2022): Jurnal Rekayasa Elektro Sriwijaya Vol. 3 No. 2 (2022): Jurnal Rekayasa Elektro Sriwijaya Vol. 3 No. 1 (2021): Jurnal Rekayasa Elektro Sriwijaya Vol. 2 No. 2 (2021): Jurnal Rekayasa Elektro Sriwijaya Vol. 2 No. 1 (2020): Jurnal Rekayasa Elektro Sriwijaya Vol. 1 No. 2 (2020): Jurnal Rekayasa Elektro Sriwijaya Vol. 1 No. 1 (2019): Jurnal Rekayasa Elektro Sriwijaya More Issue