cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Arsyad Ramadhan Darlis
Contact Email
arsyad@itenas.ac.id
Phone
-
Journal Mail Official
jte.itenas@itenas.ac.id
Editorial Address
-
Location
Kota bandung,
Jawa barat
INDONESIA
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika
Published by Institut Teknologi Nasional Bandung
ISSN : 23388323     EISSN : 24599638     DOI : -
Core Subject : Engineering,
Electrical & Electronics Engineering Engineering
Jurnal ELKOMIKA diterbitkan 3 (tiga) kali dalam satu tahun pada bulan Januari, Mei dan September. Jurnal ini berisi tulisan yang diangkat dari hasil penelitian dan kajian analisis di bidang ilmu pengetahuan dan teknologi, khususnya pada Teknik Energi Elektrik, Teknik Telekomunikasi, dan Teknik Elektronika.
Arjuna Subject : -
Articles 21 Documents
 1   2   3 
Search results for , issue "Vol 11, No 4: Published October 2023" : 21 Documents clear
Image Processing-based Automatic Printed Circuit Board Printing Machine ABUNG, NINDY PRATIWI; HARSONO, BUDI; SUTANTO, KEVIN; WIJANTO, EDDY
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 11, No 4: Published October 2023
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v11i4.892

Abstract

ABSTRAKMesin Computer Numerical Control (CNC) telah umum digunakan saat ini, salah satunya dalam pembuatan Printed Circuit Board (PCB). Pada paper ini, mesin pencetak PCB berbasis image processing dirancang dengan menggunakan Raspberry Pi, dimana file jalur PCB yang dibuat dengan menggunakan aplikasi Eagle akan di-export menjadi bentuk image grayscale, dan disimpan dengan resolusi 300 dpi. Sistem yang dirancang memiliki kemampuan membaca dpi dan menghitung jumlah step untuk setiap piksel, serta menghasilkan koordinat jalur dan lubang pada image PCB. Selain untuk pengikisan jalur, alat ini juga dapat mengebor lubang pada PCB secara otomatis. Raspberry Pi digunakan untuk mengendalikan motor stepper agar dapat bergerak sesuai dengan koordinat image PCB yang telah diperoleh. Alat ini juga dilengkapi dengan graphical user interface (GUI) untuk mempermudah user dalam mengendalikan mesin CNC. Dari hasil yang didapatkan, data erosi strip PCB menunjukkan bahwa metode kompensasi lebar strip PCB yang direncanakan mencukupi karena lebih besar 0,1-0,2mm dari ukuran strip pada Eagle.Kata kunci: CNC, PCB, Image Processing, Printing and Drilling, Raspberry Pi ABSTRACTComputer numerical control (CNC) equipment is commonly used for the production of printed circuit boards (PCBs). In this paper, the PCB path file generated by the Eagle application will be exported as a grayscale image and saved with a resolution of 300 dpi for image processing-based PCB printing equipment. The system has the capacity to produce the path and hole coordinates on the PCB image, read dpi, and determine the number of steps for each pixel. This device has the ability to automatically drill holes on the PCB in addition to stripping the path. The stepper motor is managed by the Raspberry Pi and moved in accordance with the acquired PCB image coordinates. A graphical user interface (GUI) is included to make it simpler for users to operate the CNC machine. From the results, the PCB strip erosion data show that the planned PCB strip width compensation method is sufficient because it more than 0.1-0.2mm greater than the strip size on Eagle.Keywords: CNC, PCB, Image Processing, Printing and Drilling, Raspberry Pi
Classification of Nutrient Deficiencies Based on Leaf Image in Hydroponic Lettuce using MobileNet Architecture ADIANGGIALI, ANYELIA; IRAWATI, INDRARINI DYAH; HADIYOSO, SUGONDO; LATIP, ROHAYA
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 11, No 4: Published October 2023
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v11i4.958

Abstract

ABSTRAKSaat ini sektor industri di Indonesia tumbuh semakin pesat yang menggeser lahan pertanian menjadi sempit. Hal tersebut mengakibatkan para petani perlu mencari lahan lain untuk tetap dapat memproduksi bahan pangannya. Hidroponik merupakan teknik bertanam menggunakan media air yang memanfaatkan lahan sempit. Salah satu tanaman yang sering diterapkan ialah tanaman selada. Namun, dengan penerapan teknik hidroponik ini masih terdapat kualitas tanaman selada yang kurang baik karena kurang memperhatikan pemeliharaannya sehingga mengakibatkan kurangnya nutrisi pada tanaman selada. Maka dari itu, pada penelitian ini akan membuat sistem klasifikasi defisiensi nutrisi pada tanaman hidroponik selada melalui citra daun dengan menggunakan Convolutional Neural Network (CNN) berbasis arsitektur MobileNetV2. Hasil dalam skenario uji penelitian ini memperoleh akurasi sebesar 88%. Dengan begitu, diharapkan dapat membantu para petani untuk mengetahui defisiensi nutrisi pada tanaman selada agar tetap dapat menjaga kualitas produksi tanaman selada.Kata kunci: CNN, hidroponik, MobileNetV2, nutrisi, selada ABSTRACTCurrently the industrial sector in Indonesia is growing rapidly which shifts agricultural land to narrow. This resulted in farmers needing to look for other land to continue to be able to produce their food. Hydroponics is a farming technique using water media that utilizes narrow land. One of the plants that is often used is lettuce. However, with the application of this hydroponic technique, the quality of lettuce plants is still not good due to lack of attention to maintenance, resulting in a lack of nutrition in lettuce plants. Therefore, this research will create a nutritional deficiency classification system in hydroponic lettuce through leaf images using a Convolutional Neural Network (CNN) based on the MobileNetV2 architecture. The results in this research test scenario obtained an accuracy of 88%. That way, it is hoped that it can help farmers to find out nutritional deficiencies in  lettuce plants so that they can maintain the quality of lettuce production.Keywords: CNN, hydroponic, lettuce, MobileNetV2, nutrition
Penerapan Filter Kalman untuk Estimasi Jarak dan Posisi pada Lokalisasi Outdoor berbasis RSSI dengan Komunikasi LoRa MUSAYYANAH, MUSAYYANAH; AFFANDI, CHARISMA DIMAS; LEBDANINGRUM, KRISTIN
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 11, No 4: Published October 2023
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v11i4.849

Abstract

ABSTRAKWireless Sensor Networ (WSN) merupakan jaringan nirkabel terdiri dari kumpulan node sensor tersebar di lingkungan observasi, saling berkomunikasi sesuai dengan algoritma komunikasi. Salah satu penerapan WSN adalah lokalisasi berbasis RSSI. RSSI merupakan hasil lokalisasi yang bersifat fluktuatif disebabkan oleh fenomena multipath fading, sehingga berpengaruh terhadap hasil lokalisasi. Artikel ini menerapkan Filter Kalman (FK) untuk lokalisasi Outdoor berbasis RSSI dengan komunikasi LoRa untuk lima Node Diam (ND) dan empat Node Anchor (NA). Pengujiannya terdiri dari membandingkan FK dengan tanpa FK, dan FK dengan metode Normalisasi. FK dapat memperbaiki akurasi pada estimasi jarak dan posisi. FK memperbaiki akurasi estimasi jarak sebesar 0,57% untuk ND1; 0,19% untuk ND2; 4,59% untuk ND3; 0,73% untuk ND4 dan 20,11% untuk ND5. Pada estimasi posisi, FK dapat meningkatkan akurasi sebesar 2,45% untuk ND1; 11,19% untuk ND2; 6,03% untuk ND3; 7,64% untuk ND4; dan 5,42% untuk ND5. Selain itu, FK dapat memperbaiki akurasi 15,94% untuk ND1; 3,41% untuk ND 2 dan 15,76% untuk ND 4 terhadap metode Normalisasi.Kata kunci: Filter Kalman, Localization,LoRa, RSSI, Wireless Sensor Network ABSTRACTWireless Sensor Network (WSN) is a wireless network consisting of sensor nodes spread across an observation environment, communicating with others separately according to a communication algorithm. In addition, one of the WSN applications is RSSI-based localization. RSSI is the development of localization which fluctuates due to the multipath fading phenomenon, thus affecting the localization results. This article executes a Kalman Filter (KF) for RSSI-based Outdoor localization with LoRa communication for five Diam Nodes (ND) and four Anchor Nodes (NA). The experiment involves comparing KF with neither KF nor the Normalization method. KF can improve the accuracy of distance and location estimation. FK increases the distance estimation accuracy by 0,57% for ND1; 0,19% for ND2; 4,59% for ND3; 0,73% for ND4; and 20,11% for ND5. For ND1, ND2, ND3, ND4, and ND5, KF can improve position estimation accuracy by 2,45%, 11,19%, 6,03%, 7,64%, 5,42%, and 2,45%, respectively. In addition, KF can increase accuracy by 15,94% for ND1, 3,41% for ND2, and 15,76% for ND4 in comparison to the Normalization approach.Keywords: Kalman Filter, Localization, LoRa, RSSI, Wireless Sensor Network
IoT-Based Early Detection of Cardiovascular Disease with Ankle Brachial Index Measurement for Right and Left Body Simultaneously DEWI, ERVIN MASITA; SETIAWAN, AWAN WAHYU; HADIYOSO, SUGONDO
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 11, No 4: Published October 2023
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v11i4.1032

Abstract

ABSTRAKDeteksi dini penyakit kardiovaskular sangat diperlukan untuk mengurangi risiko kematian. Deteksi dini penyakit kardiovaskular dapat dilakukan dengan bermacammacam metode, salah satunya adalah menggunakan metode Ankle Brachial Indeks (ABI). Metode ini membandingkan tekanan darah antara sistole pada bagian tangan dan kaki secara bersamaan. Pada penelitian ini dibuatlah alat pengukur ABI yang dapat mengukur secara serempak antara bagian tubuh kanan dan kiri, yaitu merupakan pengembangan dari penelitian sebelumnya yang hanya dapat melakukan pengukuran pada satu sisi tubuh saja. Dengan pengukuran secara serempak, diharapkan hasil yang diperoleh lebih akurat dan lebih efektif. Hasil validasi dari alat ini setelah dibandingkan dengan sphygmomanometer memiliki akurasi sebesar 96.6%. Selain itu data riwayat pemeriksaan dapat disimpan dan diakses oleh pasien dan dokter melalui teknologi IoT.Kata kunci: deteksi dini, kardiovaskular, Ankle Brachial Indeks, IoT ABSTRACTEarly detection of Cardiovascular Disease (CVD) is needed to reduce the risk of death. Early detection of cardiovascular disease can be done using various methods, one of which is the Ankle Brachial Index (ABI) method. This method compares blood pressure between systoles on the hands and feet simultaneously. In this study, the ABI measuring instrument was made that could simultaneously measure the right and left parts of the body, a development from previous research that could only take measurements on one side of the body. With simultaneous measurements, the results will be more accurate and effective. The validation results of this tool, when compared with the sphygmomanometer, have an accuracy of 96.6%. Besides, patients and doctors can store and access examination history data through IoT platform.Keywords: early detection, cardiovascular, Ankle Brachial Indeks, IoT
Sistem Pintu Cerdas dengan QR Code berbasis Internet of Things sebagai Penerapan Edge Computing HAKIM, MADAJABBAR PALAPA; RISTIAN, URAY; SUHARDI, SUHARDI
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 11, No 4: Published October 2023
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v11i4.907

Abstract

ABSTRAKSistem pintu cerdas telah merevolusi kontrol akses dengan metode seperti pengenalan sidik jari, kata sandi, dan QR Code. Namun, tantangan seperti ketergantungan pada internet, keterlambatan pengiriman data, dan pembatasan penjadwalan tetap ada. Penelitian ini menerapkan Edge Computing pada sistem pintu cerdas berbasis IoT dengan QR Code dan menambahkan fitur penjadwalan. Tujuannya adalah meningkatkan respons, kinerja, dan fleksibilitas dengan meminimalkan keterlambatan dan pembatasan jaringan, serta memungkinkan akses pengguna sesuai jadwal yang ditentukan. Hasil pengujian menunjukkan variasi waktu akses dan status pintu dalam kondisi normal dan offline, dengan rata-rata keterlambatan 3,35 detik (normal) dan 3,01 detik (offline). Penelitian inimemiliki potensi untuk pengembangan sistem pintu cerdas yang lebih efisien dan responsif menggunakan Edge Computing, memberikan kontribusi pada sistem keamanan canggih dan terpercaya dengan kemampuan penjadwalan terintegrasi di berbagai lingkungan.Kata kunci: Edge Computing, Sistem Pintu Cerdas, QR Code, Internet of Things ABSTRACTSmart door systems have revolutionized access control with methods like fingerprint recognition, passwords, and QR Codes. However, challenges such as internet dependency, data transmission delays, and limited scheduling persist. This study implements Edge Computing in an IoT-based QR Code smart door system and introduces a scheduling feature. The objective is to enhance responsiveness, performance, and flexibility by minimizing delays and network limitations, while allowing user access based on predetermined schedules. Test results show variable access times and door statuses under normal and offline conditions, with average delays of 3.35 seconds (normal) and 3.01 seconds (offline). This research offers potential for a more efficient and responsive smart door system using Edge Computing, contributing to advanced and reliable security systems with integrated scheduling capabilities across diverse environments.Keywords: Edge Computing, Smart Door System, QR Code, Internet of Things
Indeks Subjeks dan Indeks Pengarang -, - INDEKS
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 11, No 4: Published October 2023
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v11i4.%p

Abstract

Indeks Subjeks dan Indeks Pengarang
Pemantauan dan Pengendalian Nutrisi pada Tanaman Hidroponik Sistem Wick berbasis IoT ANDRIANTO, HERI; SURYANINGSIH, SURYANINGSIH
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 11, No 4: Published October 2023
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v11i4.968

Abstract

ABSTRAKKebutuhan pangan yang terus meningkat, namun lahan pertanian yang semakin berkurang masih menjadi masalah. Salah satu solusi masalah tersebut yaitu dengan bercocok tanam secara hidroponik. Pada makalah ini telah dikembangkan sistem pemantauan dan pengendalian nutrisi pada tanaman hidroponik sistem wick berbasis IoT menggunakan NodeMCU. Pemantauan dan pengendalian nutrisi dilakukan melalui aplikasi smartphone android yang dibangun menggunakan MIT App Inventor. NodeMCU dan aplikasi smartphone android terhubung dengan realtime database Firebase. Pada makalah ini diamati juga hubungan antara kadar nutrisi dengan indeks klorofil daun tanaman pakcoy untuk mengetahui status nitrogen tanaman pakcoy. Dari hasil pengujian didapatkan hubungan nilai kadar nutrisi dengan indeks klorofil yaitu y = 0.0187x + 22.654 dengan nilai x sebagai nilai kadar nutrisi (ppm) dan y sebagai indeks klorofil (SPAD) dengan koefisien determinasi sebesar 0.9343. Error pembacaan kadar nutrisi menggunakan sensor Total Dissolved Solid (TDS) dibandingkan dengan TDS meter berkisar antara 0% sampai dengan 6%.Kata kunci: Firebase, hidroponik, IoT, klorofil, smartphone android ABSTRACTThe need for food continues to increase, but agricultural land is decreasing, which is still a problem. One solution to this problem is hydroponic farming. In this paper, a system for monitoring and controlling nutrients has been developed for wick system hydroponic plants based on IoT using NodeMCU. Nutrition monitoring and control is carried out through an android smartphone application built using the MIT App Inventor. NodeMCU and the android smartphone application are connected to the Firebase realtime database. This paper also examines the relationship between nutrient levels and the chlorophyll index of the pakcoy plant leaves to determine the nitrogen status of pakcoy plants. From the test results, it was found that the value of the nutrient content was related to the chlorophyll index, namely y = 0.0187x + 22.654, with the x value as the nutrient content value (ppm) and y as the chlorophyll index (SPAD) with a determination coefficient of 0.9343. The error in reading nutrient levels using a TDS sensor compared to a Total Dissolved Solid (TDS) meter ranges from 0% to 6%.Keywords: Firebase, hydroponics, IoT, chlorophyll, android smartphone
Estimasi State of Charge pada Baterai Lead Acid menggunakan Elman Recurrent Neural Network RAKHMAWATI, RENNY; SUTEDJO, SUTEDJO; OKTAVIANI, FITROTIN NAFISA; IRIANTO, IRIANTO; YANARATRI, DIAH SEPTI; ADILA, AHMAD FIRYAL
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 11, No 4: Published October 2023
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v11i4.864

Abstract

ABSTRAKPenggunaan panel surya sebagai sumber energi terbarukan membutuhkan baterai sebagai tempat penyimpanan energi. Penggunaan baterai secara terus menerus, dapat menyebabkan pengurangan kapasitas dan penurunan performa. Untuk mengatasi permasalahan tersebut, diperlukan sistem estimasi nilai State of Charge (SOC) pada baterai yang berfungsi untuk mengontrol kondisi charge, agar performa baterai tetap optimal. Pada penelitian dikembangan suatu sistem estimasi SOC pada baterai jenis lead acid, dengan metode algoritma Elman Recurrent Neural Network (ERNN). Keunggulan yang terkait dengan metode ERNN meliputi proses iterasi menjadi lebih cepat, peningkatan kecepatan pembaruan parameter, dan pencapaian konvergensi yang lebih cepat. Hasil dari penelitian estimasi SOC pada baterai lead acid 12V, 12Ah dengan menggunakan algoritma ERNN sebesar 0.101% sedangkan dengan algoritma Feedforward Backpropagation sebesar 0.767%. Sehingga dapat disimpulkan bahwa algoritma ERNN lebih efisien dalam mengestimasi nilai SOC pada baterai lead acid.Kata kunci: Baterai, Elman Recurrent Neural Network, Panel Surya, State of Charge; Lead Acid ABSTRACTUsing solar panels as a renewable energy source requires batteries as energy storage. Continuous use of batteries can result in reduced capacity and performance degradation. Based on these problems, a State of Charge (SOC) estimation system is needed for the battery to control charge conditions so that battery performance remains optimal. In this research, a SOC estimation system was developed for lead acid battery using the Elman Recurrent Neural Network (ERNN) algorithm. The advantage of the ERNN method is that the iteration process is faster, the parameter update speed is increased, and convergence is faster. The results of the SOC estimation for a 12V, 12Ah lead acid battery using the ERNN algorithm were 0.101%, while the Feedforward Backpropagation algorithm resulted in 0.767%. The ERNN algorithm is more efficient in estimating the SOC value of a lead acid battery.Keywords: Battery, Elman Recurrent Neural Network, Solar Panel, State of Charge, Lead Acid
A Comparison of Type-1 and Type-2 Fuzzy Logic Controller for Full Bridge Boost Converter on DC Microgrid System EFENDI, MOH. ZAENAL; ROMADLONIYAH, NUR SHINTA; EVININGSIH, RACHMA PRILIAN; WINDARKO, NOVIE AYUB
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 11, No 4: Published October 2023
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v11i4.1046

Abstract

ABSTRAKDengan meningkatnya kebutuhan listrik, penurunan pasokan energi fosil, serta sulitnya pendistribusian listrik ke daerah terpencil merupakan beberapa masalah yang mendesak. Energi matahari melalui panel surya dapat digunakan untuk mendukung sistem DC Microgrid serta cocok untuk jaringan listrik skala kecil. Full Bridge Boost Converter dengan transformator frekuensi tinggi yang dikendalikan oleh Fuzzy Logic Type-1 (T1FL) dan Fuzzy Logic Type-2 (T2FL) merupakan salah satu pilihan yang dapat dilakukan untuk memaksimalkan pemanfaatan energi matahari sehingga dapat meningkatkan efisiensi serta keandalan sistem pada DC Microgrid dengan menjaga tegangan keluaran menjadi konstan. Dari hasil pengujian dapat diketahui bahwa dengan menggunakan T2FL dapat menjaga tegangan keluaran Full Bridge Boost Converter dapat mencapai tegangan setpoint 320V dengan kesalahan sebesar 0.16% dan stabil dalam 0.59742ms. Sementara, T1FL memerlukan 0.7161ms untuk mencapai setpoint dengan kesalahan 2.8%.Kata kunci: full bridge boost converter, T2FL, T1FL, DC Microgrid ABSTRACTThe increasing electricity demand, the decreasing supply of fossil energy, and the difficulty in distributing electricity to remote areas are some of the urgent problems. Solar energy through solar panels can be used to support DC Microgrid systems and is suitable for small-scale power grids. Full Bridge Boost Converter with high-frequency transformers controlled by Fuzzy Logic Type-1 (T1FL) and Fuzzy Logic Type-2 (T2FL) is one of the choices that can be made to maximize the use of solar energy to increase the efficiency and reliability of systems on DC Microgrids by keeping the output voltage constant. From the test results, it can be seen that using T2FL can maintain the output voltage of the Full Bridge Boost Converter which can reach a setpoint voltage of 320V with an error of 0.16% and is stable within 0.59742ms. Meanwhile, T1FL takes 0.7161ms to reach the setpoint with an error of 2.8%.Keywords: full bridge boost converter, T2FL, T1FL, DC Microgrid
Sistem Verifikasi Kekerabatan berbasis 3D ResNet-18 menggunakan Jetson Nano MUKHRODI, FAUZAN AWWAL; FIBRIANI, IKE; ANAM, KHAIRUL; CHAIDIR, ALI RIZAL
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 11, No 4: Published October 2023
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v11i4.919

Abstract

ABSTRAKVerifikasi kekerabatan berbasis citra wajah merupakan salah satu penerapan sistem Artificial Intelligence yang berguna dalam kehidupan, misalnya untuk penyelidikan kriminal, analisis silsilah, dan lainnya. Perancangan sistem pengenalan wajah pada verifikasi kekerabatan dapat dilakukan menggunakan salah satu algoritma deep learning yaitu metode Convolutional Neural Network. Penelitian ini dilakukan dengan tujuan untuk mengetahui kinerja dari 3D ResNet-18 pada verifikasi kekerabatan berdasarkan sistem pengenalan wajah dan mengetahui kinerja 3D ResNet-18 saat menggunakan embedded system secara real time. Hasil penelitian kinerja ResNet-18 tanpa embedded system memperoleh nilai akurasi training sebesar 0,9771 menggunakan optimizer RMSprop dengan epoch 30 dan batch size 25. Pada pengujian kinerja real time ResNet-18, optimizer SGD berhasil pada ukuran batch size 10, 15, dan 25. Namun untuk pengujian pada perangkat Jetson Nano, optimizer RMSprop gagal akibat ukuran model yang terlalu besar.Kata kunci: embedded sistem, CNN, 3D Resnet18, RMSprop, kekerabatan ABSTRACTFace-based kinship verification is one of the applications of artificial intelligence systems that are useful in various aspects of life, such as criminal investigations, pedigree analysis, and more. The design of a face recognition system for kinship verification can be done using one of the deep learning algorithms, namely the convolutional neural network method. This research was conducted with the aim of determining the performance of 3D ResNet-18 in kinship verification based on face recognition systems and assessing the performance of 3D ResNet-18 when using an embedded system in real time. The results of the ResNet-18 performance research without an embedded system obtained a training accuracy of 0.9771 using the RMSprop optimizer with 30 epochs and a batch size of 25. In real-time performance testing of ResNet-18, the SGD optimizer succeeded with batch sizes of 10, 15, and 25. However, during testing on the Jetson Nano device, the RMSprop optimizer failed due to the size of the model being too large.Keywords: Embedded System, CNN, 3D Resnet-18, RMSprop, Kinship

Page 2 of 3 | Total Record : 21

 1   2   3 

Filter by Year

2023 2023


Reset
Filter By Issues
All Issue Vol 13, No 3: Published July 2025 Vol 13, No 2: Published April 2025 Vol 13, No 1: Published January 2025 Vol 12, No 4: Published October 2024 Vol 12, No 3: Published July 2024 Vol 12, No 2: Published April 2024 Vol 12, No 1: Published January 2024 Vol 11, No 4 (2023): ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektr Vol 11, No 4: Published October 2023 Vol 11, No 3: Published July 2023 Vol 11, No 2: Published April 2023 Vol 11, No 1: Published January 2023 Vol 10, No 4: Published October 2022 Vol 10, No 3: Published July 2022 Vol 10, No 2: Published April 2022 Vol 10, No 1: Published January 2022 Vol 9, No 4: Published October 2021 Vol 9, No 3: Published July 2021 Vol 9, No 2: Published April 2021 Vol 9, No 1: Published January 2021 Vol 8, No 3: Published September 2020 Vol 8, No 2: Published May 2020 Vol 8, No 2 (2020): ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektro Vol 8, No 1: Published January 2020 Vol 8, No 1 (2020): ELKOMIKA Vol 7, No 3: Published September 2019 Vol 7, No 3 (2019): ELKOMIKA Vol 7, No 2: Published May 2019 Vol 7, No 2 (2019): ELKOMIKA Vol 7, No 1 (2019): ELKOMIKA Vol 7, No 1: Published January 2019 Vol 6, No 3 (2018): ELKOMIKA Vol 6, No 3: Published September 2018 Vol 6, No 3 (2018): ELKOMIKA Vol 6, No 2 (2018): ELKOMIKA Vol 6, No 2: Published May 2018 Vol 6, No 1 (2018): ELKOMIKA Vol 6, No 1: Published January 2018 Vol 5, No 2 (2017): ELKOMIKA Vol 5, No 2: Published July - December 2017 Vol 5, No 1: Published January - June 2017 Vol 5, No 1 (2017): ELKOMIKA Vol 4, No 2: Published July - December 2016 Vol 4, No 2 (2016): ELKOMIKA Vol 4, No 1 (2016): ELKOMIKA Vol 4, No 1 (2016): Jurnal Elkomika Vol 4, No 1: Published January - June 2016 Vol 3, No 2 (2015): Jurnal Elkomika Vol 3, No 2: Published July - December 2015 Vol 3, No 2 (2015): ELKOMIKA Vol 3, No 1 (2015): ELKOMIKA Vol 3, No 1 (2015): Jurnal Elkomika Vol 3, No 1: Published January - June 2015 Vol 2, No 2 (2014): ELKOMIKA Vol 2, No 2: Published July - December 2014 Vol 2, No 2 (2014): Jurnal Elkomika Vol 2, No 1 (2014): ELKOMIKA Vol 2, No 1 (2014): Jurnal Elkomika Vol 2, No 1: Published January - June 2014 Vol 1, No 2: Published July - December 2013 Vol 1, No 2 (2013): Jurnal Elkomika Vol 1, No 2 (2013): ELKOMIKA Vol 1, No 1 (2013): ELKOMIKA Vol 1, No 1: Published January - June 2013 Vol 1, No 1 (2013): Jurnal Elkomika More Issue