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 310 Documents
 27   28   29   30   31 
BOUNDARY BALLS DETECTION SYSTEM FOR UNMANNED SURFACE VEHICLE USING YOLOV4-TINY Hanggraeni, Diva Diansari; Candradewi, Ika; Auzan, Muhammad
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 16, No 1 (2026): April
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijeis.75869

Abstract

Unmanned Surface Vehicle (USV) technology requires a reference such as a camera to determine the direction of its motion. The classical digital image processing is still less accurate for detecting boundary objects due to changes in light intensity and the influence of the aquatic environment. This study used hyperparameter subdivision and learning rate analysis of YOLOv4-tiny to detect boundary balls and trajectory obstacles. The training model is used in video testing under various conditions to determine the system's robustness.The training was carried out with subdivision 8 and a learning rate of 0.00261, which obtained a mAP of 97.02%, 95.1% F1-score, and 87.73% avg IoU. This system is robust for various testing times in terms of the diversity of light intensity and object reflections as well as conditions when there are waves or not. The system can work optimally during the day with an average performance of 98.13% F1-score, 99.18% mAP, and 88.75% avg IoU. In the conditions where there are waves, the system shows that the performance is not much different when there are no waves, namely mAP 91.93%, F1-score 94.62%, and avg IoU 87.33%. The average detection processing speed on the Jetson Nano 4GB is 14.2 FPS.
Implementasi Support Vector Machine pada Sistem Fermentasi Produksi Bioetanol Afianah, Nuzula; Susmiati, Yuana; Febriani, Siti Diah Ayu; Qanitah, Qanitah
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 16, No 1 (2026): April
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijeis.103168

Abstract

The biomass fermentation system is used to produce bioethanol from organic basic materials with the help of microorganisms. The bioethanol production process produced ethanol concentration with Saccharomyces Cerevisiae in this study using experimental methods by implementing a monitoring system using ESP32, cloud service data logger, pH sensor, MQ-2 sensor and temperature sensor. The test dataset is stored in the next data logger cloud service used for the process of classifying fermentation results.The real-time data logger from the monitoring system has not been able to detect the parameters that categorize the concentration of fermentation products have been declared successful, so the user must analyze the data and carry out periodic checks to ensure the success of the fermentation process. The results of the SVM test show that the level of accuracy in the classification of bioethanol fermentation production shows satisfactory results, namely 99.79% using a linear kernel with training data of 60% and testing data of 40%, while the lowest accuracy using the RBF kernel is 95.85 with 80% training data and 20% testing data. 
PERANCANGAN DAN IMPLEMENTASI SENSOR NODE UNTUK PEMANTAUAN KUALITAS UDARA SECARA LUAS Latif, Amadeo; Riasetiawan, Mardhani
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 16, No 1 (2026): April
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijeis.105665

Abstract

Polusi udara merupakan masalah lingkungan yang semakin meningkat dan berdampak pada kesehatan manusia serta ekosistem. Pemantauan kualitas udara secara luas menjadi tantangan karena keterbatasan infrastruktur pemantauan yang tersedia. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem sensor node berbasis Wireless Sensor Network (WSN) untuk pemantauan kualitas udara secara luas. Sistem yang dikembangkan menggunakan sensor low-cost untuk mendeteksi polutan seperti PM2.5, karbon monoksida (CO), dan toluene, serta parameter lingkungan seperti suhu dan kelembapan untuk kompensasi pada bacaan sensor MQ135. Data yang diperoleh dikirim ke edge computing module menggunakan protokol komunikasi ESP-NOW dan diteruskan ke cloud melalui jaringan MQTT. Sistem menggunakan sensor MQ7, MQ135, DHT11, dan SHARP GP2Y1010AU0F untuk pengukuran. Hasil pengujian menunjukkan bahwa sistem dapat mengumpulkan dan mengirim dari 80% hingga 90% data yang diharapakan. Algoritma kompensasi yang diterapkan berhasil meningkatkan akurasi pembacaan sensor terhadap perubahan suhu dan kelembapan. Kesimpulan dari penelitian ini adalah bahwa sistem yang dikembangkan mampu melakukan pemantauan kualitas udara secara luas dengan tingkat akurasi yang cukup baik. Namun, beberapa perbaikan masih diperlukan, seperti peningkatan stabilitas komunikasi jaringan dan metode kalibrasi sensor yang lebih akurat.
KENDALI ROBOT OMNIDIRECTIONAL WHEEL PADA SISTEM PENGIKUT MANUSIA Satrio, Samuel Budi
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 16, No 1 (2026): April
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijeis.106292

Abstract

Sistem kendali yang efektif menjadi krusial pada robot beroda omnidirectional yang mampu bergerak bebas ke segala arah. Sistem kendali konvensional seperti penggunaan Proportional-Integral-Derivative (PID) kerap mengalami penurunan kinerja dalam kondisi tidak pasti, seperti saat robot mengikuti pergerakan manusia. Akibatnya, terjadi ketidaksesuaian antara arah dan kecepatan gerak, yang dapat menyebabkan overshoot atau undershoot terhadap posisi target, termasuk risiko tertinggal atau bertabrakan. Untuk mengatasi hal ini, diusulkan sistem kendali berbasis fuzzy logic sebagai mekanisme self-tuning untuk mengatur parameter PID secara adaptif terhadap perubahan lingkungan. Fuzzy Logic Controller (FLC) digunakan untuk menyesuaikan parameter PID secara dinamis selama proses pengendalian kecepatan. Hasil pengujian menunjukkan bahwa sistem kendali fuzzy-PID menghasilkan kinerja yang lebih unggul dibandingkan sistem kendali PID konvensional, ditunjukkan oleh nilai Integral of Time-weighted Absolute Error (ITAE) sebesar 1192,28, lebih rendah dibandingkan nilai ITAE pada sistem kendali PID konvensional sebesar 2484,52. Temuan ini menegaskan bahwa pendekatan fuzzy-PID lebih efektif dalam meminimalkan kesalahan sistem dan meningkatkan akurasi pelacakan target.
Geometric Fusion Untuk Deteksi Objek 3D Pada Kendaraan Otonom Menggunakan Carla Simulator Muhyiddin, Nabil
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 16, No 1 (2026): April
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijeis.108450

Abstract

Kemajuan teknologi kendaraan otonom menawarkan potensi besar dalam meningkatkan keselamatan lalu lintas. Namun, deteksi objek 3D masih menjadi tantangan, terutama karena keterbatasan akurasi sensor dan kurangnya integrasi mendalam antar fitur dari kamera dan LiDAR. Pendekatan fusi yang ada umumnya menggabungkan fitur dari masing-masing sensor secara terpisah pada tahap akhir, sehingga gagal menangkap interaksi yang kompleks antar sensor.Penelitian ini mengusulkan pendekatan geometric fusion untuk meningkatkan akurasi deteksi objek 3D pada kendaraan otonom, dengan mengintegrasikan data dari kamera RGB dan LiDAR secara lebih mendalam di berbagai tahap pemrosesan. Eksperimen dilakukan menggunakan simulator CARLA, khususnya pada lingkungan Town 5 untuk berbagai skenario uji. Metode ini dievaluasi melalui metrik Route Completion, Infraction Score, dan Driving Score. Hasil menunjukkan bahwa geometric fusion memberikan peningkatan signifikan dibandingkan metode late fusion, dengan Route Completion 87,61%, Infraction Score 0,717, dan Driving Score 62,81. Sistem juga menunjukkan akurasi tinggi dalam mengikuti rute dan menghindari pelanggaran, terutama dalam aspek route deviation dan layout collision yang mencapai nol.Kata kunci : Kendaraan Otonom, Fusi Sensor, Bird’s Eye View, Geometric Fusion, CARLA Simulator 
Comparative Analysis of YOLO and Faster R-CNN for Helmet Detection in Video Surveillance System Sujadi, Karen Prakasiwi; Widodo, Triyogatama Wahyu
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 16, No 1 (2026): April
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijeis.108678

Abstract

The increasing number of traffic violations involving motorcyclists not wearing helmets highlights the need for an automated helmet detection system. This research aims to compare the performance of two deep learning-based object detection models, YOLOv8 and Faster R-CNN, for identifying helmet use in video surveillance environments. The dataset was collected from Roboflow and annotated into five object classes. Both models were trained and tested using Google Colab with NVIDIA Tesla T4 GPU. Evaluation was conducted using Precision, Recall, F1-Score, mean Average Precision (mAP), Matthews Correlation Coefficient (MCC), and confidence metrics. YOLOv8 achieved higher mAP and inference speed, with 74.1% mAP@0.5 and 21.80 FPS. In contrast, Faster R-CNN demonstrated better classification consistency, achieving 73.3% precision and an MCC of 0.6537. Robustness tests showed that both models were sensitive to lighting and distortion variations. In real-time video inference, YOLOv8 delivered better performance with faster latency and more stable confidence scores. The findings suggest that YOLOv8 is more suitable for real-time deployment, while Faster R-CNN offers more reliable classification under controlled conditions.
PENGEMBANGAN SPEKTROFOTOMETER PORTABEL BERBASIS SENSOR OPT101 UNTUK PEMANTAUAN KADAR AMONIA PADA TAMBAK UDANG VANAME Mutakin, Raihan Zaenal; Supardi, Tri Wahyu
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 16, No 1 (2026): April
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijeis.109198

Abstract

Kualitas air merupakan faktor penting dalam budidaya udang vaname, terutama terkait kandungan amonia terlarut yang berlebihan karena dapat menyebabkan stres dan menurunkan produktivitas. Metode spektrofotometri dikenal akurat untuk mengukur kadar amonia, namun alat konvensional berukuran besar dan tidak portabel, sehingga kurang efisien untuk pemantauan langsung di lapangan. Penelitian ini bertujuan mengembangkan spektrofotometer portabel berbasis sensor OPT101 untuk mendeteksi kadar amonia dalam air tambak secara langsung dan berkala.Sistem yang dikembangkan terdiri dari lampu halogen, monokromator berbasis kisi difraksi dan motor stepper, sensor OPT101, serta mikrokontroler ESP32 sebagai pengendali utama. Data pengukuran disaring menggunakan Kalman Filter. Pengujian dilakukan dengan larutan standar amonia 0,1–0,8 ppm untuk menentukan hubungan linier antara konsentrasi dan absorbansi, yang kemudian digunakan sebagai dasar estimasi konsentrasi amonia.Hasil pengujian menunjukkan nilai Mean Relative Error (MRE) sebesar 13% dan rata-rata akurasi 87%. Meskipun akurasi menurun pada konsentrasi di bawah 0,5 ppm, sistem tetap menunjukkan hasil pengukuran yang konsisten. Inovasi ini berpotensi menjadi solusi pemantauan kualitas air tambak yang real-time, efisien, dan terjangkau.
Sistem Deteksi Kantuk Real-Time Berbasis YOLOv5 dan Detak Jantung Permatasari, Dinda Ayu
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 16, No 1 (2026): April
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijeis.111510

Abstract

Kantuk merupakan salah satu faktor utama penyebab kecelakaan lalu lintas, khususnya pada pengemudi yang berkendara dalam waktu lama. Penelitian ini merancang sistem deteksi kantuk berbasis pengolahan citra dan sensor detak jantung menggunakan Raspberry Pi 5. Sistem ini memanfaatkan kamera webcam untuk mendeteksi kondisi mata menggunakan algoritma YOLOv5 dan sensor Pulse Sensor Amped untuk membaca denyut jantung pengemudi. Dataset citra wajah dikumpulkan dan dilabeli menjadi dua kondisi, yaitu mengantuk dan terjaga, kemudian digunakan untuk melatih model deteksi objek. Hasil pengujian menunjukkan bahwa model YOLOv5 mampu mendeteksi kondisi mata dengan rata-rata confidence sebesar 90,6% pada jarak 60–90 cm dalam berbagai intensitas cahaya. Pengujian sensor menunjukkan bahwa pembacaan denyut jantung lebih akurat saat sensor dipasang di pergelangan tangan, dengan rata-rata error 2,81%, dibandingkan pemasangan di jari yang memiliki error 3,98%. Sistem juga mampu memberikan peringatan melalui buzzer, LCD, dan notifikasi Telegram secara real-time. Dengan hasil tersebut, sistem ini terbukti efektif untuk mendeteksi kantuk secara cepat dan responsif.
Purwarupa Pengamanan Komunikasi Radio Pintu Otomatis dengan Enkripsi AES-128 Berbasis Timestamp Harenito, Benaya Gedalya
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 16, No 1 (2026): April
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijeis.115669

Abstract

Sistem pengunci pintu otomatis berbasis komunikasi radio frekuensi 433MHz rentan terhadap serangan replay attack karena sifat transmisi yang terbuka dan mudah disadap. Penelitian ini mengembangkan purwarupa sistem pengamanan yang mengintegrasikan enkripsi AES-128 dengan mekanisme timestamp berbasis modul RTC DS3231 untuk meminimalisir replay attack. Sistem terdiri dari Arduino Pro Mini sebagai transmitter dan Arduino Uno sebagai receiver yang berkomunikasi melalui modul FS1000A. Payload data berukuran 16 byte yang berisi command, timestamp, device ID, checksum, dan padding dienkripsi menggunakan AES-128 sebelum transmisi. Pada sisi receiver, sistem melakukan dekripsi dan validasi timestamp dengan membandingkan selisih waktu terhadap RTC lokal dalam jendela waktu yang telah ditentukan. Pengujian dilakukan dengan mensimulasikan replay attack menggunakan perangkat attacker yang mengirimkan paket statis berulang kali selama 5 menit dengan interval 20 detik. Hasil menunjukkan sistem tanpa timestamp menerima seluruh 15 paket replay sebagai legitimate, sedangkan sistem dengan timestamp berhasil membatasi jumlah paket yang diterima secara linear. Analisis kinerja menunjukkan waktu rata-rata enkripsi 522,8 mikrodetik dan dekripsi 817,6 mikrodetik. Penelitian membuktikan bahwa integrasi timestamp pada enkripsi AES-128 efektif sebagai mekanisme preventif terhadap replay attack, dengan trade-off berupa risiko false rejection pada jendela waktu yang terlalu sempit akibat drift waktu RTC atau delay transmisi RF.
Studi Trade-off Semantic Segmentation dan Hardware Utilization untuk Sistem Persepsi Kendaraan Otonom Mardiana, Destya Rosa
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 16, No 1 (2026): April
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijeis.115867

Abstract

Nighttime semantic segmentation remains a critical challenge for autonomous driving perception system due to the domain shift, which leads to substantial performance degradation when models trained on daytime data are directly applied to low-light environments. This study investigates the effectiveness of unsupervised domain adaptation and analyses the trade-off between segmentation accuracy and computational efficiency in nighttime scenarios. This research adopts the One-Stage Domain Adaptation Network for Unsupervised Nighttime Semantic Segmentation (DANNet) with a PSPNet backbone, which integrates a relighting network and adversarial learning to mitigate domain shift. Experiments are conducted using Cityscapes at the source domain and a locally collected UGM dataset as the target domain. The result show that DANNet improves segmentation performance from 5.27% to 9.29% under the 19-class configuration and achieves 22.09% mIoU in the 7-class configuration. The 7-class setup also demonstrates better computational systems, achieving 17.90 ± 0.60 FPS and a latency 55.94 ± 1.91 ms, making it suitable for near real-time deployment, whereas the 19-class configuration remains relevant for applications requiring finer semantic granularity.

Page 31 of 31 | Total Record : 310

 27   28   29   30   31 

Filter by Year

2011 2026


Reset
Filter By Issues
All Issue Vol 16, No 1 (2026): April 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