Indonesian Journal of Electronics and Instrumentation Systems
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems), a two times annually provides a forum for the full range of scholarly study. IJEIS scope encompasses all aspects of Electronics, Instrumentation and Control. IJEIS is covering all aspects of Electronics and Instrumentation including Electronics and Instrumentation Engineering.
Articles
10 Documents
Search results for
, issue
"Vol 14, No 1 (2024): April"
:
10 Documents
clear
<![CDATA[PENGENALAN TEKS BAHASA INDONESIA PADA CITRA TULISAN TANGAN BERBASIS TRANSFORMER ]]>
<![CDATA[Rahmawati, Dianita Alfi]]>;
<![CDATA[Candradewi, Ika]]>
<![CDATA[ IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 14, No 1 (2024): April ]]>
Publisher : <![CDATA[IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia. ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22146/ijeis.86926
<![CDATA[Digitalisasi dokumen dapat dipercepat berkat kemajuan teknologi. Banyak upaya telah dilakukan untuk mengenali teks dari foto. Banyak arsitektur mampu mengenali teks, khususnya citra tulisan tangan salah satunya adalah transformer. Pada penelitian sebelumnya masih banyak yang menggunakan dataset citra dengan aksara tegak sehingga kurang variatif. Untuk meningkatkan keahlian pemodelan pembelajaran, proyek ini berfokus pada pengimplementasian dan pengembangan sistem pada Transformers dengan pengujian dataset yang lebih bervariasi.Dataset yang digunakan terdiri dari foto dengan tulisan Indonesia. setelah langkah pra-pemrosesan kemudian akan diubah menjadi token dengan label kelas dan koordinat kotak pembatas untuk anotasi gambar. Dataset akan dilatih menggunakan arsitektur transformer. Encoder-decoder merupakan dasar dari arsitektur Transformer ini. Pengujian data dilakukan setelah model dilatih menggunakan mean Average Precision (mAP).Sistem yang dibuat mampu mengenali dan mengklasifikasikan objek secara akurat dari data gambar tulisan tangan, termasuk objek yang mewakili kata-kata bahasa Indonesia. Hyperparameter yang paling optimal didapatkan batch dan jumlah epoch masing-masing 32 dan 40. Dengan menggunakan parameter terbaik, evaluasi model menghasilkan data dari sampel latih dan uji dengan masing-masing nilai mAP 0,97 dan 0,95.]]>
<![CDATA[Inspeksi Kualitas Pengelasan Besi Menggunakan Teknik Segmentasi Citra Berbasis Convolutional Neural Network ]]>
<![CDATA[Wahyono, Wahyono]]>;
<![CDATA[Dharmawan, Andi]]>;
<![CDATA[Awaludin, Lukman]]>;
<![CDATA[Nathan, Oskar]]>;
<![CDATA[Baskara, Baskara]]>
<![CDATA[ IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 14, No 1 (2024): April ]]>
Publisher : <![CDATA[IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia. ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22146/ijeis.89034
<![CDATA[Inspeksi pengelasan merupakan kebutuhan mutlak bagi dunia industri terutama yang bergerak dibidang otomotif untuk memastikan kualitas las. Namun demikian, sebagian besar industri masih menggunakan pemeriksaan manual yang bersifat subjektif dan penuh dengan bias yang dapat berakibat pada inkonsistensi dalam penilaian standar kualitas. Oleh karena itu, diperlukan suatu sistem cerdas yang dapat memeriksa kualitas pengelasan dengan konsisten. Penelitian ini bertujuan untuk membuat model kecerdasan buatan berbasis deep learning dan computer vision untuk mendeteksi area-area pengelasan dan mengklasifikasikannya kedalam kategori baik dan buruk. Model CNN dengan arsitektur UNet diadopsi untuk melakukan segmentasi citra pada gambar pengelasan besi. Studi penggunaan beberapa teknik ekstraksi fitur juga dilakukan untuk mendapatkan performa model terbaik berdasarkan skor IoU dan kecepatan konvergensi model. Berdasarkan hasil eksperimen, teknik CNN UNet terbukti mampu meningkatkan performa model dengan skor IoU sebesar 78,1% dan dengan kecepatan konvergensi dalam 144 epoch.--Welding inspection is an absolute necessity for the industrial world, especially those engaged in the automotive sector to ensure weld quality. However, most industries still use manual inspection which is subjective and full of bias which can result in inconsistencies in the assessment of quality standards. Therefore, intelligent system that can check the quality of welding consistently is needed. This study aims to create an artificial intelligence model based on deep learning and computer vision to detect welding spots and classify them into good and bad categories. CNN model with UNet architecture is adopted to perform image segmentation on iron welding images. Studies using several feature extraction techniques are also conducted to obtain the best model performance based on IoU scores and model convergence speed. Based on the experimental results, the UNet technique is proven to be able to improve the performance of the model with an IoU score of 78.1% and with a convergence speed of 144 epochs.]]>
<![CDATA[Purwarupa Multipurpose Tracking Camera Menggunakan Metode Object Tracking CSR-DCF dan Kendali PID ]]>
<![CDATA[Setiawan, Hafizh Zuumar]]>;
<![CDATA[Prastowo, Bambang Nurcahyo]]>
<![CDATA[ IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 14, No 1 (2024): April ]]>
Publisher : <![CDATA[IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia. ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22146/ijeis.90452
<![CDATA[Object tracking merupakan permasalahan menentukan lokasi, alur dan karakteristik dari objek yang ingin dideteksi menggunakan pengukuran dari sensor. Metode CSR-DCF mengabungkan antara algoritma discriminative correlation filter dan channel spatial reliability untuk dapat mendeteksi objek yang abstrak sehingga meningkatkan kemampuan deteksi objek. Tetapi permasalahan lain yang muncul adalah karena algoritma object tracking menerapkan prinsip online learning sehingga tidak dapat melakukan tracking apabila objek hilang dari frame.Pada penelitian ini akan digunakan servo 2 sumbu sebagai penggerak pan-tilt camera agar sistem dapat mengikuti objek. Kendali yang digunakan pada sistem ini adalah PID dengan beberapa nilai kombinasi antara konstanta P, I dan D. Pengujian pada algoritma CSR-DCF juga dilakukan dengan mengubah nilai parameter terhadap objek yang berbeda. Dengan ini diharapkan akan didapat pengaruh dari parameter feature dari algoritma terhadap hasil tracking.Dari hasil pengujian didapat bahwa nilai konstanta yang paling stabil yaitu nilai P = 1, I = 0.1 dan D = 60. Dengan konfigurasi ini sistem mengalami error paling sedikit. Kemudian pada pengujian parameter metode CSR-DCF, parameter use_color_names memiliki pengaruh yang besar terhadap objek yang dibuktikan dengan tingkat keberhasilan deteksi dengan penggunaan parameter tersebut.]]>
<![CDATA[Deteksi Objek dan Pengenalan Karakter Plat Nomor Kendaraan dengan Metode Deep Learning ]]>
<![CDATA[Susilo, Ghina Salma]]>;
<![CDATA[Putri, Diyah Utami Kusumaning]]>
<![CDATA[ IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 14, No 1 (2024): April ]]>
Publisher : <![CDATA[IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia. ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22146/ijeis.91555
<![CDATA[The Ministry of Transportation reported a 4.30% increase in the number of motorized vehicles in Indonesia in 2021, making the Automatic Number Plate Recognition (ANPR) system increasingly important for traffic management. However, implementing ANPR in different weather conditions is challenging. To address this issue, a study used two deep learning modules, YOLOv5n for license plate detection and the TPS-ResNet-BiLSTM-Attn framework for character recognition. Each module was trained with two types of datasets, Dataset 1, which included images with variations in sunny and cloudy weather conditions, and Dataset 2, which included images with variations in sunny, cloudy, and moderate rainy weather conditions. The best-performing training method for the YOLOv5n model was using Dataset 2 and evolution hyperparameters, with a testing result of mAP 0.893 and f1-score 0.887. The best-performing training method for the TRBA framework was using Dataset 2 (3200 data), with a testing result of 83.08% accuracy. The ANPR system has various applications in sectors such as command forces, parking management, and road safety. The combination of object detection and character recognition allows for the development of an end-to-end AI solution for automatic license plate recognition]]>
<![CDATA[Classification of KJA Net Conditions Using ROV and Computer Vision ]]>
<![CDATA[Lestari, Nurhaliza Amalia]]>;
<![CDATA[Jaya, Indra]]>;
<![CDATA[Rahmat, Ayi]]>;
<![CDATA[Hestirianoto, Totok]]>
<![CDATA[ IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 14, No 1 (2024): April ]]>
Publisher : <![CDATA[IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia. ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22146/ijeis.91891
<![CDATA[The development and integration of Remotely operated vehicle (ROV) with computer vision has been carried out and shows excellent performance. All ROV features functions run smoothly and without problems and are able to monitor the condition of nets in floating net cages (KJA) and produce underwater videos. Data collected from ROV are processed, utilizing the YOLOv8 model and showed very positive results in classifying the condition of KJA nets. The model achieves an accuracy level of 1 or 100% differentiate between clean and dirty net. Based on these results, it can be concluded that the YOLOv8 model has excellent performance in recognizing mesh objects with a high level of accuracy. These results provide confidence that this model can be trusted in monitoring the condition of KJA nets.]]>
<![CDATA[Studi Perbandingan Daya dan Konsumsi Energi Dispenser: Kontrol PID vs. Kontrol Termostat ]]>
<![CDATA[Nugroho, Ferdinand Kristantyo]]>;
<![CDATA[Supardi, Tri Wahyu]]>
<![CDATA[ IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 14, No 1 (2024): April ]]>
Publisher : <![CDATA[IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia. ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22146/ijeis.92788
<![CDATA[The production of electrical energy still relies on fossil fuels which produce greenhouse gas emissions and cause global warming. This issue requires a more efficient and effective use of electrical energy. On the other hand, electricity remains an essential daily need, such as for powering hot water dispensers. However, traditional on-off dispensers operate at maximum power, leading to potential household disruptions. It would be more beneficial if dispensers did not use maximum power while maintaining their temperature during standby. This research aims to propose a solution to reduce power usage and suppress electricity consumption in dispensers.This study implements PID control in a hot water dispenser to gather information on its power and energy consumption. Using the Ziegler-Nichols method, tuning parameters were determined as follows: Kp=15.0261, Ki=0.1633, and Kd=345.6. Data acquisition for temperature, power, and energy was conducted on the on-off thermostatic dispensers set at 80°C and 93°C, as well as on PID-controlled dispensers with setpoints at 80°C and 93°C. The results indicate that the PID-controlled dispenser uses only 30% of the maximum power, although the total energy consumption increases by 17Wh to 57Wh due to the need to maintain the temperature close to the setpoint]]>
<![CDATA[Implementasi Teknologi NG-PON2 Dalam Perancangan Internet Berkecepatan Tinggi ]]>
<![CDATA[Christyono, Yuli Ady]]>;
<![CDATA[Saputra, Trisno Ady]]>
<![CDATA[ IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 14, No 1 (2024): April ]]>
Publisher : <![CDATA[IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia. ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22146/ijeis.92962
<![CDATA[Internet telah menjadi salah satu kebutuhan primer di era moderen ini. Hal ini mendorong pembangunan infrastruktur fiber optik menjadi lebih bagus dari pada sebelumnya. Untuk mendukung hal tersebut, maka dikembangkan teknologi NG-PON2 (Next Generation-Passive Optical Network stage 2). NG-PON2 adalah teknologi broadband berbasis fiber optik yang menawarkan kecepatan data hingga 40 Gbps. Implementasi dari teknologi NG-PON2 ini digunakan untuk merancangan jaringan internet di suatu perumahan. Dalam perancangan jaringan internet biasanya penempatan ODP (Optical Distribution Poin)t) dilakukan secara manual dan tidak sistematis sehingga menimbulkan penurunan kualitas layanan karena jarak rumah pelanggan dengan ODP terlalu jauh. Oleh karena itu diperlukan suatu metode agar penempatan ODP menjadi lebih baik. Pada penelitian ini algoritma K-Medoids digunakan dalam menentukan letak ODP agar lebih optimal dan efisien. Ada dua skenario rancangan penempatan ODP yaitu instalasi aerial dan pedestal. Hasil penelitian menunjukkan bahwa instalasi aerial lebih baik karena secara umum memiliki daya terima ONT yang lebih tinggi dibandingkan dengan pedestal. Selain itu biaya pembangunan instalasi aerial juga lebih rendah. Kelebihan instalasi pedestal adalah penggunaan kabel optik yang lebih pendek dan secara estetik lebih baik karena ditanam di dalam tanah.]]>
<![CDATA[Peningkatan Akurasi Deteksi Jatuh Menggunakan Sensor Akselerometer dan Giroskop pada Smartphone ]]>
<![CDATA[Widagdo, Muhammad Luthfi Arya]]>;
<![CDATA[Timur, Muhammad Idham Ananta]]>
<![CDATA[ IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 14, No 1 (2024): April ]]>
Publisher : <![CDATA[IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia. ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22146/ijeis.93068
<![CDATA[The aging population is a global concern, partly because as the body ages, physical conditions weaken, increasing the likelihood of falls. Falls are particularly dangerous for the elderly as they can lead to serious problems and even death. Detecting falls quickly and accurately is crucial to implement preventive measures and timely intervention when a fall occurs.This research focuses on designing a human physical activity classification system, primarily used for fall detection. Seven model architectures are proposed using a novel approach involving the variant of recurrent neural network (RNN) methods, including Long Short-Term Memory (LSTM), Gated Recurrent Unit (GRU), and Simple Recurrent Neural Network (SimpleRNN). Additionally, variations with Convolutional Neural Network (CNN) are explored, specifically 1D Convolutional Neural Network (1D CNN).Validation results of the classification show that the experimented methods for the classes of sitting, standing, and falling achieved perfect scores, while the falling class showed varying scores for each designed model architecture. For the overall classes, the lowest performance is observed in the combination of 1D CNN and SimpleRNN architecture with an accuracy of 95.6%, whereas the highest performance is attributed to the SimpleRNN architecture and the combined CNN and GRU architecture with an accuracy reaching 99.0%.]]>
<![CDATA[Identifikasi Pengenalan Pola Daun Kelor Kering Dengan You Only Look Once V8 ]]>
<![CDATA[Jumariana, I Putu Candra]]>;
<![CDATA[Sugiartawan, Putu]]>
<![CDATA[ IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 14, No 1 (2024): April ]]>
Publisher : <![CDATA[IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia. ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22146/ijeis.94871
<![CDATA[Optimal drying of Moringa oleifera leaves plays an important role in maintaining nutritional quality and meeting desired pattern recognition standards. This research proposes the use of You Only Look Once (YOLO) V8, an object identification method in computer vision, to identify the drying level of Moringa leaves in real-time. The integration of a camera in the drying machine allows visual monitoring of changes in moringa leaves during the drying process. YOLOv8 was implemented to recognize and track changes in moringa leaf dryness levels, enabling timely analysis. The identification results are then classified into dry "YES" or "NO" conditions according to quality standards. This research aims to increase production efficiency, real-time quality monitoring, and ensure Moringa leaf products meet established quality standards. By using the YOLOv8 method, it is hoped that this research will provide an innovative and effective solution in overcoming the challenge of optimally drying Moringa leaves.]]>
<![CDATA[Sistem Informasi Monitoring Kumbung Jamur Tiram Berbasis Internet of Things ]]>
<![CDATA[Ntihung, Maria Ephifania Ntihung]]>;
<![CDATA[Sugiartawan, Putu]]>;
<![CDATA[willdalia, ayu]]>
<![CDATA[ IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 14, No 1 (2024): April ]]>
Publisher : <![CDATA[IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia. ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22146/ijeis.95513
<![CDATA[Sistem Informasi Monitoring Kumbung Jamur Tiram Berbasis Internet of Things (IoT) adalah sebuah solusi inovatif untuk memantau dan mengelola pertumbuhan jamur tiram secara efisien. Dalam konteks ini, IoT digunakan untuk menghubungkan sensor-sensor yang terpasang di dalam kumbung jamur tiram ke platform digital. Sensor-sensor tersebut mengumpulkan data tentang kondisi lingkungan seperti suhu, kelembaban, dan tingkat CO2 di sekitar kumbung. Data yang terkumpul ini dikirim secara real-time melalui jaringan internet ke platform yang dapat diakses oleh pengguna melalui perangkat seluler atau komputer. Melalui sistem ini, petani jamur tiram dapat memantau kondisi kumbung secara akurat tanpa harus secara fisik berada di lokasi. Mereka dapat menerima pemberitahuan jika ada perubahan signifikan dalam kondisi lingkungan yang dapat mempengaruhi pertumbuhan jamur tiram. Selain itu, data historis yang terkumpul juga dapat digunakan untuk menganalisis pola pertumbuhan jamur tiram dan mengidentifikasi faktor-faktor yang memengaruhi produksi. Dengan adopsi sistem ini, diharapkan dapat meningkatkan efisiensi dalam pengelolaan kumbung jamur tiram, mengoptimalkan proses pertumbuhan, dan meningkatkan hasil panen. Selain itu, sistem ini juga dapat membantu dalam meminimalkan risiko kerugian akibat kondisi lingkungan yang tidak ideal. Dengan demikian, Sistem Informasi Monitoring Kumbung Jamur Tiram Berbasis IoT memiliki potensi besar untuk meningkatkan produktivitas dan keberlanjutan industri jamur tiram]]>
