Jurnal Simetris
Jurnal Simetris terbit dua kali dalam satu tahun, yaitu untuk periode April dan periode November.
Naskah yang diajukan adalah karya ilmiah orisinal penulis dalam bidang teknik elektro, teknik mesin atau ilmu komputer, yang belum pernah diterbitkan dan tidak sedang diajukan untuk diterbitan di tempat lain. Naskah diutamakan adalah hasil dari penelitian. Naskah dapat berupa review paper atau hasil pemikiran penulis dan bukan berisi tutorial.
Articles
1,257 Documents
<![CDATA[KLASIFIKASI SINYAL PHONOCARDIOGRAM MENGGUNAKAN METODE SHORTTIME FOURIER TRANSFORM DAN SUPPORT VECTOR MACHINE ]]>
<![CDATA[Faqih Amatya Hendrayan]]>;
<![CDATA[Dodi Zulherman]]>;
<![CDATA[Rahmat Widadi]]>
<![CDATA[ Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 13, No 2 (2022): JURNAL SIMETRIS VOLUME 13 NO 2 TAHUN 2022 ]]>
Publisher : <![CDATA[Universitas Muria Kudus ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24176/simet.v13i2.6595
<![CDATA[Penggunaan phonocardiogram (PCG) dalam mengekstraksi informasi-informasi secara elektronik membutuhkan analisis sinyal yang kompleks. Namun, PCG memiliki keunggulan bersifat non invasif dan hemat dibandingkan dengan electrocardiogram (EKG). Tujuan penelitian ini mengembangkan sebuah perangkat klasifikasi untuk alat bantu diagnosis berdasarkan metode shorttime fourier transform (STFT) untuk ekstraksi fitur dan support vector machine (SVM) untuk klasifikasi. Kinerja sistem yang telah dirancang menggunakan dataset sekunder, dengan jumlah 2.141 sinyal PCG yang terdiri dari 1958 normal dan 183 abnormal. Pengujian kinerja menggunakan beberapa variasi rancangan, yaitu Hamming, Hanning, dan Blackman window pada STFT dan variasi kernel serta nilai C parameter pada SVM. Berdasarkan hasil pengujian variasi jenis window pada STFT, membuktikan bahwa nilai terbaik didapatkan oleh Hamming window dengan nilai sensitifitas 62.24%, spesitifitas 89.47%, area under ROC curve (AUC) 0.75, serta akurasi sebesar 65.62%. Hasil dari variasi C parameter sebesar 1000 pada proses klasifikasi mendapatkan hasil evaluasi kinerja terbaik pada masing-masing kernel, nilai AUC pada kernel linear sebesar 0.73, 0.78 pada kernel polynomial, dan 0.83 pada kernel radial basis function (RBF). Penelitian ini membuktikan bahwa penggunaan Hamming window pada ekstraksi fitur dan nilai C parameter 1000, serta variasi kernel RBF pada klasifikasi sebagai bentuk model terbaik sistem PCG berbasis STFT dan SVM.]]>
<![CDATA[KLASIFIKASI JENIS TUMOR OTAK MENGGUNAKAN ARSITEKTURE MOBILENET V2 ]]>
<![CDATA[Monikka Nur Winnarto]]>;
<![CDATA[Mely Mailasari]]>;
<![CDATA[Annida Purnamawati]]>
<![CDATA[ Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 13, No 2 (2022): JURNAL SIMETRIS VOLUME 13 NO 2 TAHUN 2022 ]]>
Publisher : <![CDATA[Universitas Muria Kudus ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24176/simet.v13i2.8821
<![CDATA[Tumor Otak merupakan penyakit mematikan yang menempati urutan ke-10 sebagai penyebab kematian baik pada pria maupun wanita. Angka mortalitas (jumlah kematian) akibat tumor otak adalah 4,25 per 100.000 penduduk per tahun. Tumor pada otak dapat dideteksi melalui pemeriksaan Magnetic Resonance Imaging (MRI). Dengan mengolah citra yang dihasilkan oleh alat MRI dapat dikembangkan metode pendeteksian tumor otak yang mampu mendeteksi dan mengklasifikasika jenis tumor otak. Klasifikasi jenis tumor otak sangat penting bagi pasien dalam peningkatan perawatan. Dengan perawatan yang tepat, perencanaan, dan diagnosa yang akurat akan dapat meningkatkan harapan hidup pasien Tumor Otak. Klasifikasi menggunakan pemrosesan gambar tradisional telah secara bertahap digantikan oleh Deep Learning salah satunya adalah Convolutional Neural Network. Convolutional Neural Network (CNN) menggunakan arsitektur CNN MobileNetV2. MobilenetV2 memiliki score akurasi cukup tinggi, jumlah training parameters dan model size yang kecil namun memiliki performa yang baik. Tahapan penelitian berupa pengumpulan data, data prepocessing, klasifikasi, evaluasi dan implementasi. Arsitektur MobileNetV2 mampu melakukan klasifikasi jenis tumor otak dengan baik yang dibuktikan dengan hasil akurasi sebesar 88.64%, nilai loss 0.3424, pada Confusion Matrik yang menunjukkan hasil klasifikasi yang benar lebih banyak daripada hasil klasifikasi yang salah dan dari 32 citra sample yang terlihat sejumlah 28 citra terdeteksi sesuai (benar).]]>
<![CDATA[PENGEMBANGAN APLIKASI MENTALFIRST BERBASIS ANDROID SEBAGAI MEDIA DETEKSI AWAL PTSD DAN MEDIA INFORMASI SEPUTAR PTSD ]]>
<![CDATA[Chiuman, Felix]]>;
<![CDATA[Akbar, Habibullah]]>
<![CDATA[ Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 14, No 1 (2023): JURNAL SIMETRIS VOLUME 14 NO 1 TAHUN 2023 ]]>
Publisher : <![CDATA[Fakultas Teknik Universitas Muria Kudus ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24176/simet.v14i1.9491
<![CDATA[Trauma merupakan tekanan emosional dan psikologis yang pada umumnya karena kejadian yang tidak menyenangkan atau pengalaman yang berkaitan dengan kekerasan. Secara umum, ada banyak faktor yang bisa menyebabkan seseorang mengalami trauma, termasuk peristiwa menyedihkan, mengguncang jiwa, hingga mengancam nyawa. Ini karena kejadian traumatis dapat menyebabkan gangguan streess pasca trauma (PTSD). Untuk mengatasi kesulitan ini, peneliti melakukan pengembangan sebuah aplikasi berbasis Android yang berfungsi sebagai media deteksi awal PTSD dan juga sebagai media informasi yang berkaitan dengan penanganan PTSD. Aplikasi ini dikembangkan menggunakan metode Test Driven Development dan menggunakan Kotlin dan XML sebagai bahasa pemograman dan layouting aplikasi serta, menggunakan Firebase sebagai back end nya. Test Driven Development sendiri merupakan pengembangan perangkat lunak yang menekankan testing sebelum coding yang dimana menggunakan pendekatan Agile dan Extreme Programming.Dengan pengujian Black Box Testing aplikasi dapat berjalan dengan baik dan aplikasi ini memiliki nilai SUS (System Usability Scale) rata-rata sebesar 89.75. Aplikasi telah dipublikasi ke dalam Play Store dengan status pengujian terbuka. Dengan demikian, aplikasi “MentalFirst” ini diharapkan dapat membantu masyarakat dapat melakukan deteksi awal dan mendapatkan informasi yang berkaitan dengan PTSD.]]>
<![CDATA[DETEKSI KERUSAKAN INNER RACE BEARING GENERATOR SINKRON MELALUI ANALISA ARUS STATOR DENGAN FAST FOURIER TRANSFORM ]]>
<![CDATA[Rosyid, Muhammad Haidar]]>
<![CDATA[ Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 14, No 1 (2023): JURNAL SIMETRIS VOLUME 14 NO 1 TAHUN 2023 ]]>
Publisher : <![CDATA[Fakultas Teknik Universitas Muria Kudus ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24176/simet.v14i1.9138
<![CDATA[Generator sinkron merupakan mesin listrik yang menkonversi energi mekanik menjadi energi listrik. Di pembangkitan energi listrik generator sinkron merupakan komponen utama yang menghasilkan energi lsitrik, sehingga keandalannya perlu benar-benar dijaga. Kerusakan pada bearing merupakan salah satu jenis kerusakan yang sering ditemui pada generator sinkron. Kerusakan bearing dapat menyebabkan getaran berlebih, gangguan putaran rotor, dan dapat menimbulkan ketidakseimbangan poros rotor yang mengakibatkan daya yang dihasilkan tidak maksimal. Dalam penelitian ini, kami membahas teknik mendeteksi kerusakan bearing generator sinkron melalui sinyal arus stator pada kondisi steady state. Metode pendekatan yang digunakan didasarkan pada metode Fast Fourier Transform (FFT) sebagai pemrosesan sinyal untuk mendapatkan generator dalam kondisi sehat atau rusak. Variasi beban dilakukan pada generator untuk mendapatkan hasil analisis terperinci. Sedangkan untuk level kerusakan bearing adalah memberikan kecacatan pada bagian inner race bearing dengan variasi diameter lubang yang berbeda, yakni diameter 3 mm, 4,5 mm, dan 6 mm. Hasil pengujian deteksi kerusakan inner race bearing menggunakan metode FFT berhasil mendeteksi kerusakan dengan tingkat keberhasilan sebesar 85%.]]>
<![CDATA[PENERAPAN INTERNET OF THINGS DALAM MEMONITORING SISTEM PENCATATAN PENGUNJUNG ]]>
<![CDATA[Pancane, Wayan Dikse]]>
<![CDATA[ Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 14, No 1 (2023): JURNAL SIMETRIS VOLUME 14 NO 1 TAHUN 2023 ]]>
Publisher : <![CDATA[Fakultas Teknik Universitas Muria Kudus ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24176/simet.v14i1.7968
<![CDATA[Pada bulan Maret tahun 2020 dunia diguncang wabah virus yang melumpuhkan semua aktivitas manusia, virus ini bernama (Coronavirus Disease-19). Virus ini menyebabkan adanya Pemberlakuan Pembatasan Kegiatan Masyrakat (PPKM), adapun pembatas yang dimaksud adalah tidak boleh berkumpul pada suatu tempat secara beramai – ramai. Kebijakan ini mempersulit kita untuk melakukan sosialisasi maupun interaksi antar sesama manusia. Namun seiring berjalannya waktu dan perkembangan ilmu teknologi, kegiatan berkumpul ini dapat dilakukan tapi dengan syarat menerapkan protokol kesehatan dan menjaga jarak. Berkembangnya ilmu teknologi ini juga mendorong kreatifitas untuk membuat suatu sistem monitoring yang dapat memonitor jumlah pengunjung pada suatu tempat agar lebih efesien baik waktu maupun tenaga dan tetap menerapkan protokol kesehatan. Dari permasalahan tersebut, maka diperlukan sistem pencatatan pengunjung yang digunakan untuk menghitung jumlah pengunjung yang melewati pintu masuk dan keluar. Pada penelitian ini, parameter yang digunakan adalah deteksi objek yang lewat. Peneliti menggunakan sensor Passive Infrared Receiver (PIR) yang akan mendeteksi objek manusia yang melewati pintu masuk dan keluar. Jika objek manusia melewati pintu masuk jumlah pengunjung akan bertambah, dan jika keluar akan berkurang. Data jumlah pengunjung tersebut akan dikirim dengan menggunakan MQTT server melalui NodeMcu 8266 sehingga data pengunjung dapat diltampilkan melalui LCD dan website]]>
<![CDATA[ANALISIS KEPUASAN NASABAH PADA PERUSAHAAN ASURANSI UNTUK MENINGKATKAN LOYALITAS MENGGUNAKAN METODE SERVQUAL, CSI, DAN QFD (STUDI KASUS: KPM. PRUFORCE ONE JUWANA) ]]>
<![CDATA[Asri, Vikha Indira]]>;
<![CDATA[Fernanda, Tera Satria]]>;
<![CDATA[Sokhibi, Akh]]>
<![CDATA[ Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 14, No 1 (2023): JURNAL SIMETRIS VOLUME 14 NO 1 TAHUN 2023 ]]>
Publisher : <![CDATA[Fakultas Teknik Universitas Muria Kudus ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24176/simet.v14i1.9673
<![CDATA[Sebagai negara dengan jumlah penduduk 274 juta jiwa pada tahun 2021, memberikan peluang perusahaan jasa, seperti asuransi untuk memberikan pelayanan kesehatan. Besarnya minat masyarakat terhadap asuransi di Indonesia, menjadikan kepuasan nasabah sebagai prioritas dalam perusahaan asuransi. Salah satu perusahaan tersebut adalah perusahaan asuransi Prudential Life Assurance yang memiliki Kantor Pemasaran Mandiri (KPM). Salah satu KPM tersebut adalah Pruforce One yang terletak di Juwana. Selama KPM tersebut beroperasi terdapat laporan keluhan nasabah terkait layanan yang diberikan sehingga menimbulkan ketidaknyamanan bagi nasabah. Dari permasalahan tersebut dapat diperbaiki dengan mengukur kepuasan nasabah menggunakan beberapa metode, yaitu: Service Quality (SERVQUAL), Customer Satisfaction Index (CSI), dan Quality Function Deployment (QFD). Penggunaan metode ini dapat meningkatkan kualitas layanan untuk menciptakan kepuasan nasabah dan memberikan saran perbaikan dengan mempertimbangkan variabel kepuasan nasabah untuk meningkatkan loyalitas nasabah. Berdasarkan perhitungan tingkat kepuasan nasabah dengan menggunakan metode SERVQUAL dan CSI didapatkan hasil sebesar 77,04%, nilai tersebut menunjukkan kepuasan nasabah atas layanan yang telah diberikan. Akan tetapi dari hasil nilai tersebut belum dapat menjadikan nasabah loyal terhadap Prudential. Oleh karena itu, usulan perbaikan menggunakan pengolahan dari matrik House of Quality pada QFD agar dapat meningkatkan loyalitas nasabah KPM. Pruforce One Juwana dengan cara, pemberdayaan karyawan/agent, SOP pakaian kerja agent, perjanjian isi polis nasabah dari perushaan, pengelolaan bisnis perusahaan yang baik, informasi kebijakan asuransi harus jelas.]]>
<![CDATA[K-Nearest Neighbor Berbasis Seleksi Atribut Chi Square Untuk Klasifikasi Penerima Beasiswa ]]>
<![CDATA[Hamria, Hamria]]>
<![CDATA[ Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 14, No 1 (2023): JURNAL SIMETRIS VOLUME 14 NO 1 TAHUN 2023 ]]>
Publisher : <![CDATA[Fakultas Teknik Universitas Muria Kudus ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24176/simet.v14i1.9178
<![CDATA[Beasiswa merupakan bantuan dari pemerintah berupa sejumlah uang yang diberikan kepada siswa yang sedang atau yang akan menjalani pendidikan di sekolah. Pemberian beasiswa diharapkan dapat meningkatkan dan menumbuhkan semangat mahasiswa dalam menyelesaikan pendidikannya. Banyaknya peserta mahasiswa yang mengajukan beasiswa serta melebihi kuota yang diberikan mengakibatkan proses penyeleksian membutuhkan waktu yang lama karena proses penyeleksian harus sesuai dengan kriteria agar penerima beasiswa tepat sasaran. Metode Penelitian yang digunakan dalam penelitian ini yaitu menggunakan metode penelitian eksperimen yang berdasarkan kerangka kerja. Hasil penelitian ini yaitu berupa hasil pengujian yang menunjukkan nilai akurasi K-Nearest Neighbor sebesar 85,78% Metode Chi Square sebagai seleksi atribut membantu meningkatkan hasil akurasi klasifikasi K-NN. K-Nearest Neighbor berbasis seleksi atribut Chi Square lebih akurat dan efektif dalam klasifikasi penerima beasiswa dari data yang digunakan didapat hasil akurasi sebesar 88,53% dan nilai AUC 0,801 termasuk dalam kategori “ROC Curve Good”.]]>
<![CDATA[SISTEM PENDINGIN PANEL SURYA OTOMATIS UNTUK MENGKATKAN DAYA KELUARAN PANEL SURYA ]]>
<![CDATA[Prima Dewi, Riyani]]>
<![CDATA[ Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 14, No 1 (2023): JURNAL SIMETRIS VOLUME 14 NO 1 TAHUN 2023 ]]>
Publisher : <![CDATA[Fakultas Teknik Universitas Muria Kudus ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24176/simet.v14i1.8901
<![CDATA[Solar panels are the main component of solar power plant. In the Solar panels, conversion of solar energy into electrical energy are done. The results of the electrical energy produced by solar panels depend on the amount of solar intensity received by the solar panels. In addition, the working temperature of solar panels is also crucial. The ideal solar panel temperature is 25 C, which means that the solar panel will work optimally at that condition. When the temperature rises, the solar cell performance will decrease. This study aims to design a solar panel cooling system with active and passive methods using a way of flowing water over the surface of the solar panel and adding wet coconut coir on the back of the solar panel. The purpose of providing this treatment is to keep the surface temperature of the solar panel from overheating. This study uses a 100 WP solar panel and the results obtained that the average power generated is 69 W with an average voltage value of 15.47 V and an average current of 4.5 A. The performance 100 WP solar panels increased 24% of the reference solar panels being compared]]>
<![CDATA[IMPLEMENTASI SISTEM OBJECT TRACKING UNTUK MENDETEKSI DUA OBJEK BERBASIS DEEP LEARNING ]]>
<![CDATA[Muldayani, Wahyu]]>
<![CDATA[ Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 14, No 1 (2023): JURNAL SIMETRIS VOLUME 14 NO 1 TAHUN 2023 ]]>
Publisher : <![CDATA[Fakultas Teknik Universitas Muria Kudus ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24176/simet.v14i1.9236
<![CDATA[Kontes Robot Indonesia (KRI) adalah kompetisi penggambaran, perencanaan, dan pembuatan rekayasa dalam bidang robotika. Salah satu divisi yang dilombakan yaitu Kontes Robot Sepak Bola Beroda (KRSBI Beroda). Salah satu strategi pertandingan untuk memenangkan pertandingan yaitu saling umpan antar robot. Jadi robot diharuskan dapat melakukan identifikasi mana kawannya. Untuk melakukan tracking bola dan kawan dibutuhkan sebuah sistem pendeteksian objek. Pada penelitian ini, akan dikembangkan sistem tracking bola dan pendeteksian robot kawan dengan berbasis Deep Learning. Metode Deep Learning yang digunakan yaitu metode CNN (Convolutional Neural Network). Pada penelitian ini akan menggunakan kamera omnidirectional dan kamera webcam Logitech yang masing-masing akan digunakan untuk proses deteksi objek bola dan kawan. Pendeteksian objek yang dilakukan menggunakan algoritma YOLO yang arsitekturnya terdiri dari 24 layer kovolusi, 4 layer max pooling, dan 2 layer fully connected. Pendeteksian objek yang dilakukan menggunakan algoritma YOLO yang sebelumnya sudah di training menggunakan model YOLOv5s dengan jumlah dataset 1500 gambar bola dan 600 gambar kawan. Dari hasil training yolov5 dihasilkan pembacaan yang bagus dengan Mean Average Precision (mAP) mencapai 0.985, presisi sebesar 0.971 dan nilai recall mencapai 0.981 Dari hasil pengujian yang dilakukan sistem dapat mendeteksi bola mencapai jarak 700 cm dan mendeteksi kawan mencapai jarak 900 cm. Ketika intensitas cahaya terlalu rendah pendeteksian yang dilakukan tidak stabil. Robot JR EVO berhasil melakukan tracking bola maupun kawan.]]>
<![CDATA[PERBANDINGA KINERJA PENGKLASIFIKASI CITRA BUAH KAKAO SAKIT DAN SEHAT MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM) DAN K-NEAREST NEIGHBORS (KNN) ]]>
<![CDATA[Blikon, Yohanes Balawuri]]>
<![CDATA[ Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 14, No 1 (2023): JURNAL SIMETRIS VOLUME 14 NO 1 TAHUN 2023 ]]>
Publisher : <![CDATA[Fakultas Teknik Universitas Muria Kudus ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24176/simet.v14i1.9012
<![CDATA[Kakao merupakan salah satu hasil bumi dibidang perkebunan. Perkebunan kakao dengan hasilnya yaitu biji kakao dapat diolah menjadi bahan dasar tepung atau coklat. Keberadaan perkebunan ini tentu perlu mendapat dukungan teknologi atau kecerdasan buatan untuk membantu proses pensortiran secara modern jika dilakukan penerapan conveyer belt atau model pemetikan otomatis masa depan menggunakan drone pemetik buah. Proses pensortiran yang dimaksud yaitu menggunakan model pengklasifikasian untuk mendeteksi dataset buah kakao sakit dan sehat. Penelitian ini membandingkan model klasifikasi Support Vector Machine (SVM) dan k-Nearest Neighbors (KNN) dengan tujuan untuk mengetahui kinerja pengklasifikasi yang lebih persisi. Dari hasi ujicoba yang dilakukan performa dari model klasifikasi Support Vector Machine (SVM) dengan kernel RBF dan cross validation 2 mendapatkan hasil prediksi yang lebih tinggi yaitu sebesar 82,5% sedangkan model klasifikasi k-Nearest Neighbors (KNN) dengan number of neighbors 5, metric euclidean dan weight distance tingkat akurasinya sebesar 82,3%. Kata kunci: support vector machine (SVM); k-nearest neighbors (KNN); dataset buah kakao; performa klasifikasi.]]>
