cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
sulistiyanto
Contact Email
wjowo2020@gmail.com
Phone
+6289618729653
Journal Mail Official
akiratechjurnal@gmail.com
Editorial Address
PERUM BUMI BULU INDAH Gg. Rambutan No.1A RT:01/RW: 06, Desa BULU Kecamatan KRAKSAAN Probolinggo, JAWA TIMUR
Location
Kab. probolinggo,
Jawa timur
INDONESIA
Akiratech
Published by CV. Akira Java Bulu
ISSN : 30477522     EISSN : 30477522     DOI : -
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy Engineering
Information Technology Software Engineering Data Mining Multimedia Mobile Computing Parallel / Distributed Computing Artificial Intelligent Computer Graphic AR/VR Geographic Information System Communication Systems Telecommunication Wireless Communications Computer Network Power Systems Generator Power Distribution Electrical Power Convertion Protection Systems Electrical Material Signal, System, and Electronics Digital Signal Processing Image Processing Robotic Systems Control Systems Embedded Systems
Arjuna Subject : Teknik (semua kategori) - Teknik Listrik dan Elektro
Articles 5 Documents
 1 
Search results for , issue "Vol. 1 No. 2 (2024)" : 5 Documents clear
Implementasi Transistor TIP 127 dan Optocopler PC817 dalam perancangan PLC Outseal Berbasis Arduino Nano Aziz, As'ad Shidqy; Azis, Muhammad Nur Abdul; firmanto, bayu
Akiratech Vol. 1 No. 2 (2024)
Publisher : CV. Akira Java Bulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63935/akiratech.v1i2.31

Abstract

Sebuah sistem otomasi tidak lepas dari programmable machine didalamnya agar dapat mengendalikan mesin – mesin yang mendukung proses produksi. Salah satu mesin yang dapat diprogram dalam proses otomasi adalah PLC (Programmable Logic Control). Dalam perkembangannya PLC saat ini dapat di bangun dengan sebuah komponen mikrokontroller Arduino yang bertindak sebagai central processing unit (CPU). PLC tersebut dinamakan sebagai PLC Outseal. Penelitian ini menggunakan pengendali digital output menggunakan komponen transistor TIP127 dengan suhu maksimal 150 0C dan arus maksimal 5 A dengan pengendali sinyal basis menggunakan  optocoupler PC817 dalam perancangan PLC outsealnya. Hasil pengujian modul input memiliki tingkat presisi yang tinggi. Dimana nilai standar deviasi yang dihasilkan rata – rata  sebesar 0,046. Sedangkan untuk modul output memiliki nilai standar deviasi rata-rata 0,304 untuk pengukuran arus output dan 0,098 untuk pengukuran tegangan output.
Analisis Sentimen Masyarakat Indonesia Terhadap Aplikasi TikTok Menggunakan Algoritma Logistic Regression Fathur Rizal; Andi Wijaya; Fuadz Hasyim
Akiratech Vol. 1 No. 2 (2024)
Publisher : CV. Akira Java Bulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63935/akiratech.v1i2.33

Abstract

Meningkatnya popularitas aplikasi TikTok di kalangan masyarakat Indonesia telah menimbulkan reaksi yang beragam dari masyarakat, memicu kebutuhan untuk analisis yang lebih mendalam mengenai sentimen publik terhadap platform ini. Penelitian ini bertujuan untuk memahami sikap yang dominan baik positif dan negatif terhadap TikTok di kalangan pengguna Indonesia. Dengan menggunakan algoritma Logistic Regression, yang dikenal dengan kemudahannya dan kapasitas interpretasi yang baik dalam klasifikasi sentimen, penelitian ini mengolah data ulasan pengguna yang diambil dari Google PlayStore. Analisis sentimen melibatkan tahapan pengambilan data, pra-pemrosesan (termasuk case folding, tokenisasi, normalisasi, dan stemming), serta pembobotan terms menggunakan TF-IDF. Hasil penelitian menunjukkan tingkat akurasi klasifikasi sentimen hampir sempurna, percobaan pertama (rasio 80:20) memberikan performa terbaik dengan akurasi 83%, yang menunjukkan efektivitas Logistic Regression dalam menganalisis sentimen. Performa model menunjukkan konsistensi dalam precision dan recall di semua rasio pengujian, mengindikasikan bahwa model tersebut cukup robust terhadap perubahan proporsi data pelatihan dan pengujian. Percobaan kedua dan ketiga juga memberikan perfoma yang baik pula dengan akurasi 81%.
Perbandingan Algoritma Ant Colony Optimization, Partical Swarm Optimization dan Firefly Algoritm pada Maximum Power Point Tracking dalam Kondisi PV Partial Shadding Hasan, Fuad
Akiratech Vol. 1 No. 2 (2024)
Publisher : CV. Akira Java Bulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63935/akiratech.v1i2.35

Abstract

Abstrak Sebagian besar waktu, pengembangkit listrik tenaga surya tidak dapat berfungsi secara mandiri tanpa bantuan; tegangan (V) yang dihasilkan oleh energi surya biasanya ditentukan oleh penyimpanan (baterai) atau beban (beban) yang terhubung secara langsung dengan energi surya. Modul fotovoltaik tentunya tidak selalu menerima radiasi yang seragam. Akibatnya, daya yang dihasilkannya tidak selalu mencapai puncaknya, menyebabkan puncak ganda. Untuk mengoptimalkan keluaran fotovoltaik, sistem pengawasan maksimum puncak (MPPT) diperlukan. Namun, metode yang biasa digunakan seringkali terjebak oleh puncak di bawah puncak yang paling ideal, yang membutuhkan waktu yang lama untuk konvergensi. Studi ini menentukan metode terbaik dalam kondisi bayangan sebagian dengan membandingkan kinerja pelacakan dan waktu pelacakan dari tiga metode,ACO (Ant Colony Optimization), PSO (Particle Swarm Optimization) dan FF (Firefly Algorithm). Pelacakan algorima ACO dengan efisiensi terbaik tegangan 274 V dengan daya 836W dan efisiensi algoritma 99,99%, dengan 49 kali iterasi dan waktu pelacakan 2,93 detik, Pelacakan dengan efisiensi terbaik ditemukan pada tegangan 274 V dengan daya 836,39W dan efisiensi algoritma 99,99%. Pelacakan ini melakukan 15 kali iterasi dengan waktu pengawasan 0,89 detik, Pelacakan paling efisien beroperasi pada tegangan 274 V dengan daya 836W dan efisiensi algoritma 99,99%. Pelacakan ini melakukan 17 kali iterasi, dengan waktu pengawasan 1,01 detik.
Perbandingan Performa Optimasi MPPT Menggunakan Alghoritma Particle Swarm Optimization dan Firefly Algorithm pada Photovoltaic dalam Kondisi Bayangan Partial Jamiyanti, Eva; Wardatul Jannah, Sutra; Hasan, Fuad
Akiratech Vol. 1 No. 2 (2024)
Publisher : CV. Akira Java Bulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63935/akiratech.v1i2.37

Abstract

Pada dasarnya,  energi Photovoltaic (PV) yang didistribusikan langsung ke konsumen  tidak selalu  berada dalam kondisi optimal. Jika intensitas cahaya atau suhu yang diterima oleh panel surya berubah misalnya dalam kondisi pasial shading. Hal ini dapat disebabkan oleh awan yang menghalangi matahari atau faktor lainnya. Penyaringan sebagian dari panel surya dapat memiliki dampak signifikan pada daya keluarannya. Oleh karena itu, energi atau daya yang disupply ke beban dapat bervariasi, dan bahkan energi yang dihasilkan mungkin tidak optimal. Sebuah metode kontrol khusus diperlukan untuk jumlah daya yang paling signifikan. Maximum Power Point Tracking (MPPT) adalah teknik yang dapat digunakan untuk mengoptimalkan output energi panel surya. Namun, praktik yang telah digunakan sejauh ini sering kali terjebak dalam puncak lokal (Local peak)dan periode konvergensi yang panjang. Untuk mengatasi kelemahan pada penelitian sebelumnya digunakan 2 metode heuristic yaitu Metode Particel Swarm Optimization (PSO) dan Firefly  alghorithm.Penelitian ini menggambarkan kelebihan dan kekurangan PSO dan FA dalam memantau daya optimal dari PV dalam kondisi penyaringan sebagian. Hasil simulasi menunjukkan bahwa algoritma FA lebih handal dibandingkan dengan algoritma PSO dalam pemantauan, dengan tingkat keberhasilan sekitar 98,9% dan 99,7% serta tingkat kegagalan sekitar 1,3%. Dalam kasus ini, FA lebih efektif sebesar 1,96% dibandingkan dengan PSO. PSO sekitar 0,33% lebih cepat dalam pemantauan.
Sistem Pendukung Keputusan Pemilihan Jenis Makanan Penderita Stunting Menggunakan Metode Simple Additive Weighting Utomo, Denny Trias; Istiqomah; Rosidania, Nilla Putri
Akiratech Vol. 1 No. 2 (2024)
Publisher : CV. Akira Java Bulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63935/akiratech.v1i2.38

Abstract

Stunting adalah masalah kesehatan yang serius di seluruh dunia, terutama di negara negara berkembang. Salah satu faktor yang dapat mempengaruhi stunting adalah pola makan yang tidak sehat dan tidak memadai. Oleh karena itu, diperlukan sistem pendukung keputusan (SPK) yang dapat membantu pemilihan jenis makanan yang tepat bagi penderita stunting guna meningkatkan asupan gizi mereka. Penelitian ini bertujuan untuk mengembangkan sebuah SPK yang menggunakan metode Simple Additive Weighting (SAW) dalam memilih jenis makanan bagi penderita stunting. Metode SAW digunakan untuk memberikan bobot pada setiap kriteria yang relevan dalam pemilihan jenis makanan, seperti kandungan nutrisi, ketersediaan, dan biaya. Pertama, data kriteria yang relevan dikumpulkan melalui studi literatur dan wawancara dengan ahli gizi. Kemudian, bobot relatif untuk setiap kriteria ditentukan melalui analisis pairwise comparison. Setelah itu, data tentang jenis makanan yang tersedia dan data penderita stunting dikumpulkan untuk digunakan dalam SPK. SPK akan memproses data yang ada dan memberikan rekomendasi jenis makanan yang paling sesuai bagi penderita stunting. Rekomendasi tersebut didasarkan pada perhitungan nilai preferensi menggunakan metode SAW. Jenis makanan dengan nilai preferensi tertinggi akan dianggap sebagai rekomendasi terbaik bagi penderita stunting. Diharapkan bahwa SPK ini dapat menjadi alat yang berguna bagi ahli gizi dalam menentukan jenis makanan yang sesuai. Dengan memperbaiki pola makan mereka, diharapkan penderita stunting dapat meningkatkan asupan gizi dan mengatasi masalah stunting secara efektif. Penelitian ini dapat menjadi dasar untuk pengembangan lebih lanjut tentang SPK dalam bidang pemilihan makanan untuk kondisi kesehatan tertentu.

Page 1 of 1 | Total Record : 5

 1 

Filter by Year

2024 2024


Reset
Filter By Issues
All Issue Vol. 2 No. 3 (2025) Vol. 2 No. 2 (2025) Vol. 2 No. 1 (2025) Vol. 1 No. 3 (2024) Vol. 1 No. 2 (2024) Vol. 1 No. 1 (2024)