cover
Contact Name
Muammar Zainuddin
Contact Email
muammarz@unisan.ac.id
Phone
+6285258667668
Journal Mail Official
unisan.editorcosphi@gmail.com
Editorial Address
Jalan Ahmad Najamuddin No. 17 Kampus Universitas Ichan Gorontalo, Lantai 3 - Program Studi Teknik Elektro Kota Gorontalo, Provinsi Gorontalo - Indonesia
Location
Kota gorontalo,
Gorontalo
INDONESIA
Jurnal Nasional Cosphi
ISSN : 25979329     EISSN : 25979337     DOI : -
Sistem Kendali (Control system), Optimasi (Optimization), computer Science, Sistem Tenaga (Power System), Teknik Tegangan Tinggi (High voltage engineering), artificial Intelligence, Elektronika (Electronics), Energi Terbarukan (Renewable Energy)
Articles 4 Documents
Search results for , issue "Vol 5, No 1 (2021): Januari-Juli 2021" : 4 Documents clear
Rancang Bangun Sistem Monitoring Arus Bocor Pada Isolator Tegangan Tinggi Mahmudin Suleman
Jurnal Cosphi Vol 5, No 1 (2021): Januari-Juli 2021
Publisher : Teknik Elektro - Universitas Ichsan Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (458.166 KB)

Abstract

Abstrak—Abstrak Abstrak-Abstrak Penilitian ini bertujuan untuk merancang sebuah alat yang dapat mendeteksi arus bocor isolator dengan menggunakan sensor arus tipe SCT013 dan microcontroller Adruino Uno untuk kemudian dibandingkan pembacaan arus dengan multimeter. Isolator diuji sebanyak lima kali nilai arus yang terbaca pada alat ukur di hitung rata-ratanya. Hasil pengujian isolator dengan pembacaan multi meter diperoleh nilai rata rata arus bocor sebesar 0,84 Kv sedangkan nilai pembacaan alat monitoring arus sebesar 0,077 A, dan nilai selisih sebesar 0,061. Cara kerja dari alat ini dari trafo terhubung dengan kapasitor tegangan tinggi lalu diserikan dengan resistor agar menurunkan tegangan dihubungkan dengan elektroda bola kemudian hubungkan dengan multimeter dan diserikan dengan LCD dengan rangkaian sistem monitoring arus bocor. Komponen yang dipakai pada alat ini, yakni LCD 2x16 dan modul driver selanjutnya resistor yang pakai 1kg dan kapasitor yang dipakai 2200 micro 16 V, dan kabel dipasang kabel jumper elektrik Adruino selanjutnya wadah yang dipakai adalah akrilik yang berukuran lebar 15 cm dan tinggi 16 cm. Selanjutnya microcontroller yang digunakan yaitu Adruino Uno. Selanjutnya sensor yang dipakai pada alat ini sensor Sct013 rasio 100 A dan 50 mA selanjutnya adaptor yang dipakai adaptor handphone charger 100 – 240 v.
Rancang Bangun Absensi Siswa Menggunakan RFID Berbasis Arduino Uno Muh. Firmansyah Firdaus; Ahmad Hanafie; Syarifuddin Baco
Jurnal Cosphi Vol 5, No 1 (2021): Januari-Juli 2021
Publisher : Teknik Elektro - Universitas Ichsan Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (444.637 KB)

Abstract

Penelitian ini bertujuan untuk dapat merancang sistem informasi dan pengelolaan absensi elektronik aktifitas kehadiran siswa sekolah menengah kejuruan. Metode yang digunakan dalam perancangan ini adalah dengan metode eksperimen yaitu pembuatan alat absensi siswa dengan cara mengimplementasikan kecerdasan buatan ke dalam sebuah alat sehingga alat tersebut mampu melakukan pekerjaan selayaknya manusia. Alat absensi elektronik ini dirancang menggunakan aplikasi program arduino uno yang berfungsi untuk mengintegrasikan sejumlah komponen elektrik dan program untuk menunjang fungsi RFID. Hasil penelitian menunjukkan absensi siswa menggunakan RFID telah berhasil dirancang dan dibuat dengan menggunakan arduino uno dengan sistem terdeteksi berupa ID Card dan dilengkapi dengan beberapa sensor seperti sensor RFID sebanyak 3 sebagai sistem RFID dan sebuah Buzzer sebagai notovikasi. Pengujian alat absen siswa ini secara keseluruhan menunjukkan bahwa RFID Card dapat menjalankan fungsinya yaitu merekam data kehadiran siswa berupa jam masuk, jam pulang, jam izin keluar-masuk.
Identifikasi Tingkat Kematangan Buah Jambu Biji Menggunakan Fitur Ekstrasi GLCM dengan Metode KNN Rofiq Harun
Jurnal Cosphi Vol 5, No 1 (2021): Januari-Juli 2021
Publisher : Teknik Elektro - Universitas Ichsan Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1065.097 KB)

Abstract

Jambu biji (Psidium Guajava L.) merupakan buah yang memiliki banyak manfaat untuk kesehatan. Selain itu, Jambu biji juga memiliki nilai komersial di Indonesia dan memiliki pangsa pasar yang luas. Sebagai tanaman yang banyak dikonsumsi, jambu biji memiliki tingkat kematangan berdasarkan tekstur warnanya. Dalam membedakan tingkat kematangan pada buah tersebut sangat tergantung subjektivitas manusia. Ketidak telitian manusia dalam mengenal kematangan buah ini, dikarenakan tekstur warna yang berbeda pada setiap umur objek tersebut. Oleh karna itu diperlukan pemilihan buah jambu biji berdasarkan tekstur wana yang dilakukan secara otomatis. Pada penelitian ini bertujuan untuk mengidentifikasi tingkat kematangan buah jambu biji berdasarkan tekstur warna denga fitur ekstraksi menggunakan algoritma Gray Level Co-Occurrence Matrix (GLCM) dengan metode K-Nearest Neighbor (K-NN). Hasil penerapan metode Gray Level Co-Occurrence Matrix dan K-Nearest Neighbor untuk identifikasi kematangan buah Jambu Biji Merah mendapatkan nilai K-3 dan K-5 dengan hasil 80% untuk hasil akurasi yang tinggi dan untuk nilai K-1 dengan hasil 73% untuk hasil akurasi yang rendah
Penerapan Metode Moving Averange dalam Memprediksi Produksi Tomat Abd Rahmat karim Haba
Jurnal Cosphi Vol 5, No 1 (2021): Januari-Juli 2021
Publisher : Teknik Elektro - Universitas Ichsan Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (943.176 KB)

Abstract

Based on the development of tomato production in Gorontalo City, the agricultural service data has fluctuated. Thus, it is necessary to have a system in carrying out prediction data mining techniques using the moving average method so that they can know future predictions of tomato production. The purpose of this study is to design a prediction system and to determine the error rate in predicting tomato production using the Moving Average method. The result of the error rate in making predictions is 23.40% by using the MAPE method testing.

Page 1 of 1 | Total Record : 4