cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kab. sleman,
Daerah istimewa yogyakarta
INDONESIA
Indonesian Journal of Electronics and Instrumentation Systems
Published by Universitas Gadjah Mada
ISSN : 20883714     EISSN : 24607681     DOI : -
Core Subject : Engineering,
Electrical & Electronics Engineering
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.
Arjuna Subject : -
Articles 10 Documents
 1 
Search results for , issue "Vol 14, No 2 (2024): October" : 10 Documents clear
Sistem Deteksi Kebakaran Hutan menggunakan E-nose Berbasis pada JST Backpropagation Perwira, Zandy Yudha; Lelono, Danang; Dharmawan, Andi
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 14, No 2 (2024): October
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijeis.76255

Abstract

Indonesia memiliki hutan yang sangat luas yaitu 93,95 juta ha setara dengan 50% luas daratan Indonesia. Luasan hutan di Indonesia terus mengalami penurunan setiap tahunnya diakibatkan oleh kebakaran hutan. Maka untuk menekan penurunan kebakaran hutan diperlukan alat untuk mendeteksi kebakaran sedini mungkin dikarenakan kebakaran hutan jika sudah menyebar sulit untuk dipadamkan. Pendeteksian kebakaran hutan saat ini masih dilakukan manual dengan bantuan visual yang kurang dapat mendeteksi lebih dini. Penelitian tentang sistem detektor kebakaran hutan sangat perlu dikembangkan untuk menanggulangi kebakaran yang lebih besar. Pada penelitian ini, pendeteksian menggunakan sebuah electronic nose (e-nose), sensor suhu, kelembapan, serta debu untuk mendeteksi asap kebakaran hutan dan ditambah dengan sensor FLIR (Forward Looking Infrared) sebagai detektor dini kebakaran hutan.Sensor-sensor membaca asap dalam bentuk sinyal dengan pola tertentu untuk tiap sampel asap. Pola-pola tersebut kemudian dilakukan prapemrosesan data dengan melakukan normalisasi baseline dan ekstraksi ciri 4 metode yang berbeda. Ciri yang didapat kemudian akan dikenali dengan menggunakan metode pengenalan pola yaitu Jaringan Saraf Tiruan (JST) Backpropogation. Proses pengenalan dilakukan dengan melakukan pelatihan untuk mencapai parameter-parameter yang optimal sehingga didapat model optimal. Pengujian model terbaik dengan beberapa titik api menghasikan akurasi dalam membedakan jenis asap 98% untuk satu titik dan 100%  untuk beberapa titik.
Pengenalan Jenis Beban Listrik menggunakan Fast Fourier Transform dan Neural Network Pambudi, Wahyu Setyo; Firmansyah, Riza Agung; Muharom, Syahri -
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 14, No 2 (2024): October
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijeis.85466

Abstract

The current condition of global energy utilization is that 40% is consumed by residential, this value is higher than industrial and commercial groups. Overcoming this problem can be done through energy conservation management specifically for household customers. The initial process of energy conservation is monitoring the use of electrical energy loads that are being used. Monitoring the type of use of electrical energy loads that have low-cost features is Non-Intrusive Load Monitoring (NILM). The method that can be used to monitor electrical energy loads with NILM is a combination of Fast Fourier Transform (FFT)-Artificial Neural Network (ANN). The success rate of recognizing this type of electrical load depends on the size of the epoch during the ANN training process. Based on testing the success value of being able to achieve a value of 100% if using epoch 10000, it is different if using epoch 500 the success is only up to 30%. The results of the calculation process using the confusion matrix have an accuracy of 0.5876 or 58.76%, while the F1 value is 0.6928 or 69.28%.
Analisis Parameter Windowing STFT Pada Klasifikasi Gerakan Jari Berbasis EMG Widagdo, Rohadi; Kusumaning Putri, Diyah Utami; Atmaji, Catur
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 14, No 2 (2024): October
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijeis.90046

Abstract

A spectrogram is essential in analyzing EMG signals for finger motion recognition. It relies on STFT parameters like window size, overlap, and window type for accuracy. Optimal parameter selection is challenging due to EMG sensitivity to minor changes affecting recognition accuracy. The study employs AlexNet to recognize spectrograms from EMG signals, using various STFT parameter combinations for five finger movements.Results show that a window size of 100, 50% overlap, and Hamming window outperform other combinations. A window size of 100 consistently outperforms 200 and 300, while a 50% overlap is better than 25% and 75%. Hanning window types consistently outperform Hamming, Blackman, and Tukey. This research streamlines EMG spectrogram analysis for efficient finger motion recognition.
Klasifikasi Ekspresi Wajah Menggunakan CNN Dalam Keadaan Wild Setting Pada Virtual Meeting Firmansyah, Isnan; Putri, Diyah Utami Kusumaning; Sumbodo, Bakhtiar Alldino Ardi
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 14, No 2 (2024): October
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijeis.92088

Abstract

Ekspresi wajah merepresentasikan perasaan dalam diri manusia serta dapat  menjadi sebuah mediator dalam dunia sosial. Dalam rapat virtual, pemahaman terhadap suasana hati dan emosi peserta sangat dibutuhkan untuk menciptakan interaksi dan kerjasama yang baik. Emosi alami akan muncul ketika peserta berbicara secara spontan dengan keadaaan lingkungan alami tanpa dikondisikan sebelumnya. Oleh karena itu, dibutuhkan sebuah sistem yang mampu mengetahui emosi manusia secara otomatis dalam keadaan spontan (wild setting) pada virtual meeting sehingga ekspresi lebih alami. Teknik machine learning digunakan untuk melakukan klasifikasi ekspresi wajah pada virtual meeting.Penelitian ini membandingkan performa arsitektur LightCNN dan EfficientNet. Pelatihan dilakukan pada dataset gabungan antara FER-2013, Extended and Augmented Google FER dan  CK+. Dataset berjumlah 67.362 citra terbagi menjadi data training 60.184 buah, data validation 3.589 buah, dan data testing 3.589 buah.  Input model arsitektur EfficientNet divariasikan menjadi 48x48 dan 224x224 pixels. Optimasi learning rate dilakukan untuk menemukan performa tertinggi dari arsitektur terbaik. Hasil penelitian menunjukan bahwa arsitektur terbaik adalah EfficientNet dengan input 48x48 pixel. Nilai parameter learning rate paling optimal yaitu 0,0005. performa model dalam klasifikasi ekspresi wajah mencapai akurasi 90,50%, presisi 89,50%, recall 90,69% dan F1-score 90,06%. Implementasi EfficientNet pada video virtual meeting untuk mengklasifikasikan ekspresi wajah mendapatkan performa akurasi sebesar 96,18%. 
Peningkatan Performa Klasifikasi Sel Darah Merah pada Pasien Talasemia Minor Latifah, Husnul; Tyas, Dyah Aruming; Harjoko, Agus
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 14, No 2 (2024): October
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijeis.93025

Abstract

Talasemia merupakan kelainan darah turunan yang menyebabkan rusaknya rantai hemoglobin pada eritrosit penderita. Pada kasus talasemia minor, pasien hanya menjadi pembawa gen talasemia dan tidak bergejala. Hal ini menyebabkan sedikitnya penderita talasemia minor yang terdeteksi. Saat ini, ahli hematologi harus menghitung eritrosit abnormal secara manual berdasarkan  bentuk, warna, dan tekstrur sel. Untuk itu, banyak penelitian yang memanfaatkan citra eritrosit untuk melakukan mengklasifikasi keabnormalan pada citra eritrosit secara otomatis. Namun, jumlah data yang terbatas menyebabkan salah satu jenis keabnormalan yaitu sel pensil belum terklasifikasi pada penelitian sebelumnya. Tujuan dari penelitian ini adalah mengatasi kendala tersebut dengan melakukan klasifikasi secara bertingkat dimana pada tahapan klasifikasi pertama sel pensil dikelompokkan kepada sel yang mirip, yaitu sel eliptosis terlebih dahulu. Penelitian ini menggunakan klasifier Convolutional Neural Network (CNN) pada proses klasifikasi pertama dan Support Vector Machine (SVM) pada proses klasifikasi kedua. Hasil eksperimen menujukkan klasifier CNN dengan arsitektur MiniVGGNet dan berhasil mengkasifikasi citra eritrosit ke dalam delapan kelas dengan nilai akurasi 96,05%, presisi 96,00%, sensitivitas 96,05%, dan F1 score 95,95%. Klasifier SVM Polinomial dengan kombinasi fitur geometris yang terdiri dari eccentricity, compactness, circularity, dan rasio sel berhasil mengklasifikasi sel pensil dengan nilai presisi 100,00%, sensitivitas 100,00%, dan F1 score 100,00%.
Analisis Implementasi OV2640 dan MFRC522 Sebagai Bagian dari Sistem Belanja Self-Service Avif, Fahreza Haidar; Sumiharto, Raden; Putri, Diyah Utami Kusumaning
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 14, No 2 (2024): October
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijeis.96492

Abstract

Peningkatan angka konsumsi dan perubahan preferensi masyarakat pasca pandemi COVID-19 mengakibatkan minat terhadap layanan mandiri (self-service) kian meningkat. Hal ini mendorong sektor retail untuk beradaptasi dalam mengembangkan sistem belanja self-service. Penelitian yang ada sebelumnya telah melakukan eksplorasi mengenai potensi penggantian identifikasi barang berbasis barcode dengan alternatif identifikasi lain seperti Quick Response Code (QR-Code) atau Radio Frequency Identification (RFID). Oleh karena itu penelitian ini membahas mengenai pengaruh identifikasi QR-Code dan RFID dalam kecepatan transaksi pada sistem belanja self-service. Penelitian ini menggunakan OV2640 untuk identifikasi QR-Code dan MFRC522 untuk identifikasi RFID. Hasil penelitian yang dilakukan menunjukkan identifikasi RFID memiliki kecepatan respon 3-4 kali lebih cepat dibandingkan identifikasi QR-Code sehingga mampu menyelesaikan transaksi 63% lebih cepat dibandingkan identifikasi QR-Code.
Klasifikasi Level Banjir Menggunakan Random Forest dan Support Vector Machine Qamarani, Larasati Syarafina; Riasetiawan, Mardhani
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 14, No 2 (2024): October
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijeis.97043

Abstract

Floods are one of the most common natural disasters in Indonesia. This study analyzes the impact of each flood event by examining factors such as duration, water level, and the number of affected individuals to identify flood characteristics based on severity. Climate variables such as temperature, humidity, rainfall, and wind speed were investigated as parameters characterizing flood occurrences. The primary objective of this research is to classify flood levels using Random Forest and Support Vector Machine (SVM) algorithms, and to evaluate the accuracy of these classifications using a Confusion Matrix. The outcomes are intended to inform decision-making processes during floods, thereby aiming to minimize associated losses. The research utilized historical flood data from the DKI Jakarta BPBD, accessed through the Satu Data Jakarta website, and climate data from the BMKG Geophysical Station, covering the period from 2013 to 2020. The Random Forest classification system demonstrated exceptional performance, achieving an accuracy of 99.21%. Similarly, the SVM classification system performed robustly, with an accuracy of 98.43%. Both models initially exhibited overfitting during the early stages of model development. However, this issue is diminished as the dataset size increases, thereby enhancing the models' generalization capabilities.
Model Reference Adaptive Control of a DC Motor Speed with Encoder using Hardware in the Loop Aqsal Mufhaddhal, Muhammad; Susanto, Erwin; Ridho Rosa, Muhammad
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 14, No 2 (2024): October
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijeis.98453

Abstract

This study aims to design speed control of a DC motor with an encoder using the Model Reference Adaptive Control (MRAC) via hardware in the loop (HIL) system. Although conventional control such as a PID control is still found in many dc motor control applications today, but they have limitations in adaptiveness from any uncertainties and noises. Therefore, this paper proposes a more adaptive control technique. Model Reference Adaptive Control which forces the real system to follow the behavior of the reference model system even though there is uncertainty in the system dynamics.  This research includes the design of a hardware system on a loop consisting of a DC motor plant, MRAC controller, and control display. In addition, experiments were also carried out to test the performance control with sinusoidal reference signals and signal reference steps. The test results show that the MRAC control successfully follows the reference signal with low Root Mean Squared Error (RMSE) values. In conclusion, this study succeeded in designing a control on a DC encoder motor using the Model Reference Adaptive Control on the system hardware in a loop and yields satisfactory results in experimental testing
Ethereum Blockchain-Based Weather Data Storage Prototype Sulistiyani, Eris; Prastowo, Bambang Nurcahyo
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 14, No 2 (2024): October
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijeis.99255

Abstract

The application of Ethereum Blockchain within IoT-based weather monitoring systems presents substantial potential for enhancing data security, integrity, transparency, and trust. This study is focused on the design, implementation, and evaluation of Ethereum Blockchain as a robust data security mechanism in an IoT weather monitoring system. The system is configured to monitor environmental parameters, specifically temperature and humidity, using DHT22 sensors, with data securely stored and processed through smart contracts on a locally deployed Ethereum network. The research utilizes the Proof of Authority consensus mechanism, assessing data transmission and storage latency across varying mining intervals. The findings reveal minimal transmission delays, whereas storage delays on the blockchain exhibit variability, influenced by the duration of the mining period. Specifically, longer mining intervals contribute to increased delays in data storage. These results underscore the necessity of optimizing the mining interval to ensure complete and synchronized data storage, thereby enhancing the accuracy and reliability of the weather monitoring system. This study demonstrates the efficacy of Ethereum Blockchain in addressing critical challenges related to data security and integrity within IoT applications, highlighting its potential as a promising solution for secure data management. 
Sistem Kendali Level Air Separator pada Produksi Uap di Kilang Minyak Menggunakan Kontrol PID Suseno, Jatmiko Endro; Hadi, Muhammad Rafli Irsyad; Setyawan, Agus; Muhlisin, Zaenul; Sugito, Heri
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 14, No 2 (2024): October
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijeis.100662

Abstract

Minyak bumi pada proses distilasi dipisahkan sesuai fraksi menurut titik didihnya, dengan adanya kondisi vakum maka akan menghasilkan parameter fisis yang dituju, sehingga memenuhi parameter produk yang diinginkan. Sistem produksi uap merupakan pengendalian cascade atau bertingkat, terdapat dua paramater pengendalian yang dikendalikan yaitu flow dan level. Analisa kinerja sistem produksi uap dengan prinsip two phase separator ini dilakukan dengan membuat model matematis sehingga mendekati keadaan aslinya menggunakan separator geometry dan perangkat lunak Matlab R2018b, maka diperlukan pengendali untuk menganalisanya, metode pengendali yang digunakan adalah metode Ziegler-Nichols Critical Gain dan Critical Period. dan tuning untuk menentukan gain parameter pengendalinya (Kp, Ki, Kd). Berdasarkan hasil pengujian, tipe pengendali dengan hasil terbaik adalah pengendali PID untuk pengendali flow dengan parameter Kp = 0.12, Ti = 0.28, Td = 0.4, dengan performansi Rise Time = 1.97, Settling Time = 7.17, Overshoot (%) = 9.01, dan Hasil terbaik untuk pengendali level adalah pengendali P dengan parameter Kp = 0.06, dengan performansi Rise Time = 3.16, Settling Time = 7.71, Overshoot (%) = 2.45.

Page 1 of 1 | Total Record : 10

 1 

Filter by Year

2024 2024


Reset
Filter By Issues
All Issue Vol 15, No 2 (2025): October Vol 15, No 1 (2025): April Vol 14, No 2 (2024): October Vol 14, No 1 (2024): April Vol 13, No 2 (2023): October Vol 13, No 1 (2023): April Vol 12, No 2 (2022): Oktober Vol 12, No 1 (2022): April Vol 11, No 2 (2021): Oktober Vol 11, No 1 (2021): April Vol 10, No 2 (2020): October Vol 10, No 1 (2020): April Vol 9, No 2 (2019): October Vol 9, No 1 (2019): April Vol 8, No 2 (2018): October Vol 8, No 1 (2018): April Vol 7, No 2 (2017): October Vol 7, No 1 (2017): April Vol 6, No 2 (2016): October Vol 6, No 1 (2016): April Vol 5, No 2 (2015): October Vol 5, No 1 (2015): April Vol 4, No 2 (2014): October Vol 4, No 1 (2014): April Vol 3, No 2 (2013): October Vol 3, No 1 (2013): April Vol 2, No 2 (2012): October Vol 2, No 1 (2012): April Vol 1, No 2 (2011): October Vol 1, No 1 (2011): April More Issue