Emitor: Jurnal Teknik Elektro
Emitor: Jurnal Teknik Elektro is a scientific journal published by the Department of Electrical Engineering, Faculty of Engineering UMS with a goal as the media of scientific publications in the field of all electrical engineering's covering the field of Electric Power System (STL), System Alerts and Electronics (SIE) that includes Electronic, Telecommunications, Computing, Control, Instrumentation, Medical Electronics (biomedical) and Computer and Information Systems (SKI).
Articles
12 Documents
Search results for
, issue
"Vol 18, No 1: Maret 2018"
:
12 Documents
clear
<![CDATA[Pemeriksaan Keseimbangan Dinamis Pasien Lanjut Usia dengan Berg Balance Scale berbasis Web ]]>
<![CDATA[Putri, Novilia Purwita]]>;
<![CDATA[Rakhmadi, Aris]]>
<![CDATA[ Emitor: Jurnal Teknik Elektro Vol 18, No 1: Maret 2018 ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Surakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.23917/emitor.v18i01.6237
<![CDATA[Pemeriksaan keseimbangan dinamis terhadap pasien lanjut usia menggunakan metode berg balance scale yang dilakukan oleh terapis sampai saat ini masih menggunakan kertas. Penggunaan media konvensional mempunyai keterbatasan yang dapat menimbulkan beberapa permasalahan seperti hilangnya kertas hasil data pemeriksaan serta sulitnya pencarian data. Tujuan dari pembuatan sistem ini yaitu memberikan sebuah alternatif dengan membuat formulir pemeriksaan keseimbangan dinamis dengan berg balance scale berbasis web. Pemeriksaanberbasis web ini mempunyai fitur berupa sebuah formulir yang dapat diisi dengan menggunakan komputer sehingga data dapat tersimpan rapi. Adanya alternatif tersebut dapat membantu penginputan serta pengarsipan data pemeriksaan yang telah dilakukan oleh fisioterapis. Pembuatan formulir berg balance scale berbasis web ini menggunakan metode waterfall dan bahasa pemrograman PHP dengan tampilan bootstrap. MySQL digunakan untuk mengelola database. Tools dan editor yang digunakan adalah xampp dan sublime. Teknik yang digunakan untuk pengumpulan data yakni observasi, wawancara dan kuesioner. Hasil penelitian ini adalah sebuah sistem yang mencakup formulir berg balance scale, grafik data pasien dan pemeriksaan, laporan data pemeriksaan yang dapat diunduh dan dicetak, tabel pengujian black box serta data hasil kuesioner.]]>
<![CDATA[Sismtem Informasi Warung Kuliner ]]>
<![CDATA[Ariawan, Muhammad Rizky]]>;
<![CDATA[Ariyanto, Gunawan]]>
<![CDATA[ Emitor: Jurnal Teknik Elektro Vol 18, No 1: Maret 2018 ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Surakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.23917/emitor.v18i01.6238
<![CDATA[Warung Kuliner di Kota besar Indonesia saat ini masih banyak yang belum menggunakan Sistem Informasi untuk bertransaksi. Sehingga sering dijumpai masalah ketika melakukan transaksi, misalnya ketika pelanggan melakukan pembayaran dan kasir melakukan proses transaksi secara manual atau dengan menggunakan media konvensional. Tersedianya Aplikasi ini untuk mempermudah dan lebih efektif apabila digunakan, karena tidak perlu mencatat secara manual ketika bertransaksi dengan pelanggan serta memberikan informasi secara cepat, tepat, dan akurat. Manfaat lainnya yaitu pelanggan mengetahui secara langsung dari keseluruhan detail transaksi yang dilakukan. Artikel ini membahas perancangan Aplikasi berbasis web dengan Metode Waterfall yang dibangun menggunakan program Python Django. Hasil dari aplikasi ini mencakup pengolahan data produk, pengolahan data pesanan dan transaksi, grafik hasil transaksi, serta cetak nota hasil transaksi dengan format PDF.]]>
<![CDATA[Aplikasi Sistem Pakar Pendamping Perawatan Kesehatan Pribadi berbasis Android "Co-Pad" (Companion Pad) ]]>
<![CDATA[Andrianto, Puji]]>;
<![CDATA[Nurgiyatna, Nurgiyatna]]>
<![CDATA[ Emitor: Jurnal Teknik Elektro Vol 18, No 1: Maret 2018 ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Surakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.23917/emitor.v18i01.6234
<![CDATA[Kebanyakan orang tidak mengetahui gejala-gejala penyakit yang ada sehingga tidak memperhatikan hal tersebut, dan akan pergi ke dokter bila sudah terasa sangat sangat sakit dan mengganggu aktivitas. Padahal dengan mengetahui gejala penyakitnya, mereka dapat mencegah agar sakitnya tidak menjadi lebih parah. Sistem ini dibuat guna membantu masyarakat mendeteksi gejala-gejala penyakit yang mereka rasakan agar penyakit dapat dicegah sebelum menjadi lebih parah. Sistem dibuat berbasis android agar dapat diakses dengan mudah olehseluruh masyarakat. Penambahan fitur masukan suara (voice recognition) bertujuan untuk lebih memudahkan masyarakat menggunakan sistem ini. Sistem akan menarik kesimpulan dengan metode decision tree berdasarkan aturan/rule yang tersedia. Sistem juga akan memberikan informasi mendetail tentang keterangan, gejala dan penanganan awal penyakit-penyakit tertentu. Sistem dibuat dengan menggunakan aplikasi android studio dengan bahasa pemrograman java. Hasil pengujian blackbox menunjukkan bahwa sistem berjalan dengan baik,fitur masukan suara mampu menerjemahkan suara menjadi teks secara akurat. Pengujian validasi mennjukkan bahwa diagnosa sistem sudah sesuai dengan hasil diagnosa pakar. Aplikasi dapat diterima dengan baik, ditunjukkan dengan hasil pengujian user acceptance menunjukkan hasil 82,6%. Fitur masukan suara sangat membantu aplikasi menjadi lebih mudah dipahami.]]>
<![CDATA[Efisiensi Penggunaan Panel Surya sebagai Sumber Energi Alternatif ]]>
<![CDATA[Purwoto, Bambang Hari]]>;
<![CDATA[Jatmiko, Jatmiko]]>;
<![CDATA[Fadilah, Muhamad Alimul]]>;
<![CDATA[Huda, Ilham Fahmi]]>
<![CDATA[ Emitor: Jurnal Teknik Elektro Vol 18, No 1: Maret 2018 ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Surakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.23917/emitor.v18i01.6251
<![CDATA[Peneltian ini bertujuan memberikan memberikan gambaran yang jelas mengenai efisiensi penggunaan Panel Surya sebagai sumber energi alternatif jika dibandingkan dengan penggunaan generator/Genset sebagai sumber energi untuk peralatan listrik. Dalam penelitian ini, digunakan Panel Surya dengan kapasitas 100 WP, yang mana energy yang dihasilkan Panel Surya tersebut kemudian disimpan dalam baterai (accu) dengan kapasitas 12 volt 70 Ah. Energi listrik yang dihasilkan oleh Panel Surya tersebut masih berupa energi listrik dengan tegangan searah. Oleh karena kebanyakan peralatan listrik yang ada menggunakan tegangan bolak-balik, maka diperlukan sebuah inverter untuk mengubah tegangan searah yang dihasilkan oleh Panel Surya menjadi tegangan bolak balik. Inverter yang digunakan dalam penelitian iniberkapasitas 2000 watt sebagai pengubah tegangan DC 12 volt ke AC 220 vol, yang kemudian akan digunakan sebagai sumber energi listrik untuk peralatan listrik yang berupa blender dan lampu listrik.]]>
<![CDATA[Implementasi Deep Learning berbasis Keras untuk Pengenalan Wajah ]]>
<![CDATA[Santoso, Aditya]]>;
<![CDATA[Ariyanto, Gunawan]]>
<![CDATA[ Emitor: Jurnal Teknik Elektro Vol 18, No 1: Maret 2018 ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Surakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.23917/emitor.v18i01.6235
<![CDATA[Sistem pengenalan wajah merupakan aspek penting dalam bidang computer vision yang mendukung terhadap perkembangan teknologi yang serba canggih seperti era sekarang ini. Penggunaan wajah sendiri digunakan karena wajah memiiki keunikan dan merupakan identitas bagi setiap manusia. Dalam pengembangannya, sistem pengenalan wajah masih memiliki permasalahan dalam faktor pencahayaan, ekpresi wajah dan perubahan atribut pada wajah. Sehingga, dalam penelitian ini penulis menggunakan Convoutional Neural Network(CNN) untuk mencoba mengatasi hal tersebut. CNN merupakan bagian dari deep learning yang digunakanuntuk melakukan proses pembelajaran pada komputer untuk mencari reprentasi terbaik. CNN terdiri 3 tahapan, yaitu Input data , Feature Learning, dan Classification. Setiap data masukan akan melaui ketiga tahapan tersebut dengan proses filtering. Pengimplementasian CNN pada penelitian ini menggunakan library keras yang menggunakan bahasa pemrograman python . Keras merupakan framework yang dibuat untuk mempermudah pembelajaran terhadap komputer.Dataset yang digunakan pada penelitian ini adalah face94 dengan mengambil 10 subject face pria. Proses pelatihan CNN dengan menggunakan data ukuran 28x28 px dengan 7 lapisan menghasilkan akurasi yang lebih baik dibandingkan dengan menggunakan 5 lapisan dengan selisih hasil 8,0 % pada saat pengujian. penggunaan 7 lapisan pada saat pengujian terhadap data testing memperoleh hasil yang baik dengan tingkat akurasi mencapai 98.57%.]]>
<![CDATA[Implementasi Deep Learning berbasis Tensorflow untuk Pengenalan Sidik Jari ]]>
<![CDATA[Nurfita, Royani Darma]]>;
<![CDATA[Ariyanto, Gunawan]]>
<![CDATA[ Emitor: Jurnal Teknik Elektro Vol 18, No 1: Maret 2018 ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Surakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.23917/emitor.v18i01.6236
<![CDATA[Sistem pengenalan sidik jari banyak digunakan dala bidang biometrik untuk berbagai keperluan pada beberapa tahun terakhir ini. Pengenalan sidik jari digunakan karena memiliki pola yang rumit yang dapat mengenali seseorang dan merupakan identitas setiap manusia. Sidik jari juga banyak digunakan sebagai verifikasi maupun identifikasi. Permasalahan yang dihadapi dalam penelitian ini adalah komputer sulit melakukan klasifikasi objek salah satunya pada sidik jari. Dalam penelitian ini penulismenggunakan deep learning yang menggunakan metode Convolutional Neural Network (CNN) untuk mengatasi masalah tersebut. CNN digunakan untuk melakukan proses pembelajaran mesin pada komputer. Tahapan pada CNN adalah input data, preprocessing, proses training. Implementasi CNN yang digunakan library tensorflow dengan menggunakan bahasa pemrograman python. Dataset yang digunakan bersumber dari sebuah website kompetisi verifikasi sidik jari pada tahun 2004 yang menggunakan sensor bertipe optical sensor “V300†by crossMatch dan didalamnya terdapat 80 gambar sidik jari. Proses pelatihan menggunakan data yang berukuran 24x24 pixel dan melakukan pengujian dengan membandingkan jumlah epoch dan learning rate sehingga diketahui bahwa jika semakin besar jumlah epoch dan semakin kecil learning rate maka semakin baik tingkat akurasi pelatihan yang didapatkan. Pada penelitian ini tingkat akurasi pelatihan yang dicapai sebesar 100%.]]>
<![CDATA[Sismtem Informasi Warung Kuliner ]]>
<![CDATA[Muhammad Rizky Ariawan]]>;
<![CDATA[Gunawan Ariyanto]]>
<![CDATA[ Emitor: Jurnal Teknik Elektro Vol 18, No 1: Maret 2018 ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Surakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.23917/emitor.v18i01.6238
<![CDATA[Warung Kuliner di Kota besar Indonesia saat ini masih banyak yang belum menggunakan Sistem Informasi untuk bertransaksi. Sehingga sering dijumpai masalah ketika melakukan transaksi, misalnya ketika pelanggan melakukan pembayaran dan kasir melakukan proses transaksi secara manual atau dengan menggunakan media konvensional. Tersedianya Aplikasi ini untuk mempermudah dan lebih efektif apabila digunakan, karena tidak perlu mencatat secara manual ketika bertransaksi dengan pelanggan serta memberikan informasi secara cepat, tepat, dan akurat. Manfaat lainnya yaitu pelanggan mengetahui secara langsung dari keseluruhan detail transaksi yang dilakukan. Artikel ini membahas perancangan Aplikasi berbasis web dengan Metode Waterfall yang dibangun menggunakan program Python Django. Hasil dari aplikasi ini mencakup pengolahan data produk, pengolahan data pesanan dan transaksi, grafik hasil transaksi, serta cetak nota hasil transaksi dengan format PDF.]]>
<![CDATA[Aplikasi Sistem Pakar Pendamping Perawatan Kesehatan Pribadi berbasis Android "Co-Pad" (Companion Pad) ]]>
<![CDATA[Puji Andrianto]]>;
<![CDATA[Nurgiyatna Nurgiyatna]]>
<![CDATA[ Emitor: Jurnal Teknik Elektro Vol 18, No 1: Maret 2018 ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Surakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.23917/emitor.v18i01.6234
<![CDATA[Kebanyakan orang tidak mengetahui gejala-gejala penyakit yang ada sehingga tidak memperhatikan hal tersebut, dan akan pergi ke dokter bila sudah terasa sangat sangat sakit dan mengganggu aktivitas. Padahal dengan mengetahui gejala penyakitnya, mereka dapat mencegah agar sakitnya tidak menjadi lebih parah. Sistem ini dibuat guna membantu masyarakat mendeteksi gejala-gejala penyakit yang mereka rasakan agar penyakit dapat dicegah sebelum menjadi lebih parah. Sistem dibuat berbasis android agar dapat diakses dengan mudah olehseluruh masyarakat. Penambahan fitur masukan suara (voice recognition) bertujuan untuk lebih memudahkan masyarakat menggunakan sistem ini. Sistem akan menarik kesimpulan dengan metode decision tree berdasarkan aturan/rule yang tersedia. Sistem juga akan memberikan informasi mendetail tentang keterangan, gejala dan penanganan awal penyakit-penyakit tertentu. Sistem dibuat dengan menggunakan aplikasi android studio dengan bahasa pemrograman java. Hasil pengujian blackbox menunjukkan bahwa sistem berjalan dengan baik,fitur masukan suara mampu menerjemahkan suara menjadi teks secara akurat. Pengujian validasi mennjukkan bahwa diagnosa sistem sudah sesuai dengan hasil diagnosa pakar. Aplikasi dapat diterima dengan baik, ditunjukkan dengan hasil pengujian user acceptance menunjukkan hasil 82,6%. Fitur masukan suara sangat membantu aplikasi menjadi lebih mudah dipahami.]]>
<![CDATA[Efisiensi Penggunaan Panel Surya sebagai Sumber Energi Alternatif ]]>
<![CDATA[Bambang Hari Purwoto]]>;
<![CDATA[Jatmiko Jatmiko]]>;
<![CDATA[Muhamad Alimul Fadilah]]>;
<![CDATA[Ilham Fahmi Huda]]>
<![CDATA[ Emitor: Jurnal Teknik Elektro Vol 18, No 1: Maret 2018 ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Surakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.23917/emitor.v18i01.6251
<![CDATA[Peneltian ini bertujuan memberikan memberikan gambaran yang jelas mengenai efisiensi penggunaan Panel Surya sebagai sumber energi alternatif jika dibandingkan dengan penggunaan generator/Genset sebagai sumber energi untuk peralatan listrik. Dalam penelitian ini, digunakan Panel Surya dengan kapasitas 100 WP, yang mana energy yang dihasilkan Panel Surya tersebut kemudian disimpan dalam baterai (accu) dengan kapasitas 12 volt 70 Ah. Energi listrik yang dihasilkan oleh Panel Surya tersebut masih berupa energi listrik dengan tegangan searah. Oleh karena kebanyakan peralatan listrik yang ada menggunakan tegangan bolak-balik, maka diperlukan sebuah inverter untuk mengubah tegangan searah yang dihasilkan oleh Panel Surya menjadi tegangan bolak balik. Inverter yang digunakan dalam penelitian iniberkapasitas 2000 watt sebagai pengubah tegangan DC 12 volt ke AC 220 vol, yang kemudian akan digunakan sebagai sumber energi listrik untuk peralatan listrik yang berupa blender dan lampu listrik.]]>
<![CDATA[Implementasi Deep Learning berbasis Keras untuk Pengenalan Wajah ]]>
<![CDATA[Aditya Santoso]]>;
<![CDATA[Gunawan Ariyanto]]>
<![CDATA[ Emitor: Jurnal Teknik Elektro Vol 18, No 1: Maret 2018 ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Surakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.23917/emitor.v18i01.6235
<![CDATA[Sistem pengenalan wajah merupakan aspek penting dalam bidang computer vision yang mendukung terhadap perkembangan teknologi yang serba canggih seperti era sekarang ini. Penggunaan wajah sendiri digunakan karena wajah memiiki keunikan dan merupakan identitas bagi setiap manusia. Dalam pengembangannya, sistem pengenalan wajah masih memiliki permasalahan dalam faktor pencahayaan, ekpresi wajah dan perubahan atribut pada wajah. Sehingga, dalam penelitian ini penulis menggunakan Convoutional Neural Network(CNN) untuk mencoba mengatasi hal tersebut. CNN merupakan bagian dari deep learning yang digunakanuntuk melakukan proses pembelajaran pada komputer untuk mencari reprentasi terbaik. CNN terdiri 3 tahapan, yaitu Input data , Feature Learning, dan Classification. Setiap data masukan akan melaui ketiga tahapan tersebut dengan proses filtering. Pengimplementasian CNN pada penelitian ini menggunakan library keras yang menggunakan bahasa pemrograman python . Keras merupakan framework yang dibuat untuk mempermudah pembelajaran terhadap komputer.Dataset yang digunakan pada penelitian ini adalah face94 dengan mengambil 10 subject face pria. Proses pelatihan CNN dengan menggunakan data ukuran 28x28 px dengan 7 lapisan menghasilkan akurasi yang lebih baik dibandingkan dengan menggunakan 5 lapisan dengan selisih hasil 8,0 % pada saat pengujian. penggunaan 7 lapisan pada saat pengujian terhadap data testing memperoleh hasil yang baik dengan tingkat akurasi mencapai 98.57%.]]>
