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 826 Documents
 70   71   72   73   74 
Indeks Subjeks dan Indeks Pengarang -, - INDEKS
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 12, No 1: Published January 2024
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v12i1.%p

Abstract

Indeks Subjeks dan Indeks Pengarang
Sistem Pencegahan Illegal Fishing di Laut Batam menggunakan YOLOv7 berbasis Notifikasi Telegram MASRIL, MUHAMMAD ABRAR; CANIAGO, DEOSA PUTRA
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 12, No 1: Published January 2024
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v12i1.175

Abstract

ABSTRAKPulau Batam menjadi salah satu pulau indonesia terluar yang berbatasan langsung dengan negara tetangga. Penerapan YOLOv7 untuk mendeteksi kapal di laut Batam mampu mendeteksi objek kapal dengan hasil pengujian setelah melakukan training 100 epoch menghasilkan nilai precision sebesar 1.00 dan nilai confidence 0.882 menunjukkan tingkat kepercayaan hasil deteksi yang tinggi pada model YOLOv7. Hasil skor F1 sebesar 0.99 pada confidence 0.729 menunjukkan hasil bahwa model ini menghasilkan tingkat akurasi yang tinggi dalam menemukan objek. Berdasarkan hasil evaluasi menggunakan confusion matrix menunjukkan hasil akurasi yang tinggi dari setiap class pada model YOLOv7 yaitu Ferry 93%, KapalNelayanIndo 85%, KapalNelayanMalaysia 89%, KapalNelayanThailand 91%, KapalNelayanVietnam 82%, Speedboat 94%, dan Tanker 83%. Hasil pengujian aplikasi website yang terintegrasi dengan YOLOv7 dan bot Telegram menghasilkan website yang mampu mendeteksi objek dan mengirimkan notifikasi sehingga diharapkan mampu mencegah illegal fishing.Kata kunci: Deteksi, Deep Learning, Kapal, Telegram, YOLOv7 ABSTRACTBatam Island is one of Indonesia's outermost islands bordering neighboring countries. The application of YOLOv7 to detect ships in the Batam Sea was able to detect ship objects with test results after carrying out 100 epoch training resulting in a precision value of 1.00 and a confidence value of 0.882 indicating a high level of confidence in the detection results in the YOLOv7 model. The F1 score of 0.99 at confidence 0.729 shows that this model produces high accuracy in finding objects. Based on the evaluation results using the confusion matrix, it shows high accuracy results for each class in the YOLOv7 model, namely Ferry 93%, Indonesian Fisherman's Ship 85%, Malaysian Fisherman's Ship 89%, Thai Fisherman's Ship 91%, Vietnamese Fisherman's Ship 82%, Speedboat 94%, and Tanker 83%. The test results of the website application integrated with YOLOv7 and Telegram bot resulted in a website that is able to detect objects and send notifications so that it is expected to be able to prevent illegal fishing.Keywords: Detection, Deep Learning, Ship, Telegram, YOLOv7
Identifikasi Emosi Melalui Sinyal EEG menggunakan 3D-Convolutional Neural Network SENJAWATI, RINDU TEGAR; DJAMAL, ESMERALDA CONTESSA; KASYIDI, FATAN
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 12, No 2: Published April 2024
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v12i2.417

Abstract

ABSTRAKEmosi memberikan peran penting dalam interaksi manusia yang didapat melalui respon yang tepat. Respon yang tak tepat menunjukan adanya gangguan mental sehingga diperlukan identifikasi emosi. Identifikasi dapat dilakukan menggunakan aktivitas sinyal listrik di otak menggunakan Elektroensephalogram (EEG). Karena sinyal EEG pada setiap kanal merupakan urutan data maka dijadikan multi-kanal yang direpresentasikan pada matriks agar urutan-urutan data tetap terjaga. Penggunaan matriks memadukan informasi dari ketiga dimensi (kanal x frekuensi x waktu) dapat menggambarkan kompleksitas dari sinyal EEG. Sehingga dapat mengenali pola aktivitas otak pada rentang frekuensi tertentu berkembang sepanjang waktu. Untuk menangkap informasi tersebut perlu dilakukan ekstraksi fitur agar mewakili variabel-variabel emosi. Ekstraksi dilakukan pada domain frekuensi (4-45 Hz) dan waktu menggunakan Short Time Fourier Transform (STFT) kemudian idenitifikasi menggunakan 3D Convolutional Neural Network (CNN). Eksperimen menggunakan 3D CNN menghasilkan akurasi 65.45 dengan teknik koreksi bobot Adamax.Kata kunci: emosi, sinyal EEG, multi-kanal, STFT, 3D-CNN ABSTRACTEmotions play an important role in human interaction through appropriate responses. Inappropriate responses indicate a mental disorder, so identification of emotions is required. Identification can be done using electrical signal activity in the brain with Electroencephalogram (EEG). Because the EEG signal in each channel is a data sequence, it is made into a multi-channel represented in a matrix so that the data sequence is maintained. Using a matrix combining information from all three dimensions (channel x frequency x time) can describe the complexity of the EEG signal. Allowing recognition of evolving brain activity patterns within specific frequency ranges over time. Extraction is done in the frequency domain (4-45 Hz) and time using Short Time Fourier Transform (STFT), then identification using a 3D Convolutional Neural Network (CNN). Experiments using 3D CNN resulted in an accuracy of 65.45 with the Adamax weight correction technique.Keywords: emotion, EEG signal, multi-channel, STFT, 3D-CNN
Sistem SCADA Plant Testing Station dan Separating Station menggunakan SIMATIC WinCC RUDIANSYAH, HENDY; SURYATINI, FITRIA; BUDIYARTO, ARIS; HADIANI, DINI; SINATRIA, ALFIANSYAH HARGIATAMA
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 12, No 1: Published January 2024
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v12i1.91

Abstract

ABSTRAKSIMATIC WinCC V7 merupakan sistem visualisasi SCADA yang digunakan untuk kontrol dan monitoring proses pada sistem SCADA Modular Production System (MPS) yang merupakan prototype dalam simulasi produksi. Penelitian ini bertujuan untuk mengimplementasikan software SIMATIC WinCC V7 dengan metode protokol komunikasi TCP/IP pada sistem SCADA plant Testing Station dan Separating Station. Hasil pengujian menunjukkan HMI SIMATIC WinCC V7 berhasil melakukan pengendalian dan pemantauan plant Testing dan Separating. Waktu delay transfer data PLC (Testing Station) ke PC (WinCC) yaitu 102 ms dan waktu delay transfer data PC (WinCC) ke PLC (Testing Station) yaitu 84 ms. Selain itu, dapat disimpulkan juga bahwa waktu delay transfer data PLC (Separating Station) ke PC (WinCC) yaitu 95 ms dan waktu delay transfer data PC (WinCC) ke PLC (Separating Station) yaitu 66 ms.Kata kunci: Modular Production System, PLC, Protokol TCP/IP, SCADA, SIMATIC WinCC V7. ABSTRACTSIMATIC WinCC V7 is a SCADA visualization system used for control and process monitoring on the SCADA Modular Production System (MPS) system which is a prototype in production simulation. This study aims to implement the SIMATIC WinCC V7 software with the TCP/IP Protocol method on the SCADA plant Testing Station and Separating Station systems. The test results show that the SIMATIC WinCC V7 HMI has succeeded in controlling and monitoring Plant Testing and Separating. The delay time for PLC (Testing Station) data transfer to a PC (WinCC) is 102 ms and the delay time for PC data transfer (WinCC) to a PLC (Testing Station) is 84 ms. Besides that, it can also be concluded that the delay time for PLC (Separating Station) data transfer to a PC (WinCC) is 95 ms and the delay time for PC data transfer (WinCC) to PLC (Separating Station) is 66 ms.Keywords: Modular Production System, PLC, TCP/IP Protocol, SCADA, SIMATIC WinCC V7.
Sistem Otomatisasi Lampu Ruangan berdasarkan Kebiasaan Pengguna menggunakan Algoritma Backpropagation PERMADANI, CHANDRA MONICA; NIRMALA, IRMA; HIDAYATI, RAHMI
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 12, No 2: Published April 2024
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v12i2.352

Abstract

ABSTRAKLampu adalah alat penerangan yang sangat penting dalam aktivitas sehari-hari, namun seringkali pengguna lupa atau lalai dalam mematikannya saat tidak digunakan. Akibatnya, penggunaan daya listrik menjadi berlebihan. Untuk mengatasi masalah ini, diperlukan sebuah teknologi yang mampu mengendalikan lampu secara otomatis. Dalam penelitian ini dibangun sebuah sistem kendali otomatisasi lampu berdasarkan kebiasaan pengguna dengan menerapkan algoritma backpropagation. Struktur jaringan algoritma ini terdiri dari 1 neuron input, 6 neuron pada hidden layer, dan 6 neuron output. Data yang digunakan pada 6 buah lampu dalam penelitian ini terdiri dari 620 data latih dan 72 data uji. Penerapan sistem otomatis menggunakan algoritma backpropagation menunjukkan tingkat keberhasilan yang tinggi, dengan menggunakan confusion matrix menghasilkan akurasi mencapai 95,83%, recall 93,75%, dan precision 96,77%. Rata-rata waktu klasifikasi yang didapat adalah 0,979055 detik dari 72 percobaan.Kata Kunci: Otomatis, Lampu, Kebiasaan, Backpropagation, Klasifikasi ABSTRACTLights are a very important lighting tool in daily activities, but often users forget or neglect to turn them off when not in use. As a result, the use of electric power becomes excessive. To solve this problem, a technology is needed that is able to control lights automatically. In this research, a light automation control system based on user habits is built by applying the backpropagation algorithm. The network structure of this algorithm consists of 1 input neuron, 6 neurons in the hidden layer, and 6 output neurons. The data used on 6 lamps in this study consists of 620 training data and 72 test data.The implementation of an automated system using the backpropagation algorithm shows a high level of success, using a confusion matrix resulting in accuracy reaching 95,83%, recall 93,75%, and precision 96,77%. The average classification time obtained is 0,79055 seconds from 72 test trials.Keywords: Automatic, Lights, Habits, Backpropagation, Classification
Strategi Operasi Load Shedding dan Islanding Stiffness Sistem Tenaga Listrik pada Kondisi Edge Emergency ABDURROHIM, MOHAMMAD SALMAN; SUYONO, HADI; HASANAH, RINI NUR
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 12, No 2: Published April 2024
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v12i2.526

Abstract

ABSTRAKPenelitian ini mengeksplorasi elemen-elemen krusial dalam menjaga stabilitas sistem tenaga pada kondisi edge emergency, yang terkait erat dengan penjagaan keseimbangan dan pemulihan frekuensi yang cepat setelah terjadinya gangguan. Pengelolaan pasokan listrik dan mempertahankan integritas sistem tenaga listrik, serta strategi load shedding dan operasi islanding, menjadi salah satu upaya untuk menjaga stabilitas. Respons cadangan berputar pada operasi islanding, terutama dalam menyesuaikan daya aktif selama gangguan, memiliki peran krusial untuk menjaga respon kestabilan sesuai batasan edge maksimum dan minimum. Pemodelan mekanisme skema load shedding dan operasi islanding dengan trigger dari stiffness kondisi edge maksimum tercapai dengan menjaga nilai overfrequency dibawah 51,5 Hz dengan nilai frekuensi tertinggi sebesar 51,473 HZ , sedangkan edge minimum tercapai dengan menjaga nilai underfrequency diatas 47,5 Hz dengan nilai frekuensi terendah sebesar 47,517 Hz.Kata kunci: load shedding, islanding, stiffness, edge maksimum, edge minimum ABSTRACTThis study explores crucial elements in maintaining power systems stability during edge emergency condition, closely related to maintaining balance and rapid frequency recovery after disturbances. Efforts aimed at ensuring stability include managing electrical supply, preserving power system integrity, as well as implementing load shedding and islanding operations. Spinning reserve response in islanding operation, particularly in adjusting active power during disturbances, plays a crucial role in maintaining stability responses within specified maximum and minimum edge constraints. Modeling of load shedding schemes and islanding operations triggered by the stiffness conditions of maximum edge condition is achieved by maintaining the overfrequency value below 51.5 Hz, with the highest frequency value being 51.473 Hz. Meanwhile, the minimum edge condition is achieved by maintaining the underfrequency value above 47.5 Hz, with the lowest frequency value being 47.517 Hz.Keywords: load shedding, islanding, stiffness, maksimum edge, minimum edge
Identifikasi Gangguan Degradation Fault pada Photovoltaic Array berbasis Artificial Neural Network SUHARININGSIH, SUHARININGSIH; SUNARNO, EPYK; SALSABILA, MUTIARA NADHIFAH; ANGGRIAWAN, DIMAS OKKY; PRASETYONO, EKA
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 12, No 1: Published January 2024
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v12i1.36

Abstract

ABSTRAKEnergi terbarukan sudah mulai mendominasi dunia sejak puluhan tahun lalu, terutama listrik tenaga surya. Pada setiap instalasi PV terdapat gangguan yang sering terjadi, salah satunya adalah degradation fault. degradation fault merupakan jenis gangguan berupa perubahan warna pada lapisan Ethylene Vinyl Acetate dari yang berwarna putih menjadi kuning hingga kecoklatan. Perubahan warna tersebut disebabkan oleh usia pemakaian dan suhu yang terlalu panas dan dapat menyebabkan penurunan arus yang sangat drastis. Kejadian ini mengakibatkan penurunan Isc mencapai 13%. Hal ini tidak baik jika terus dibiarkan pada instalasi solar panel. Oleh karena itu, pada jurnal ini akan membahas pengidentifikasian degradation fault pada array PV dengan Artificial Neural Network. ANN akan mengidentifikasi adanya penurunan arus pada PV array. Dari hasil yang didapatkan bahwa penurunan arus mencapai 12% dan dapat mengidentifkasi adanya degradation fault.Kata kunci: degradation fault, discoloration, Ethylene Vinyl Acetate , short circuit current, artificial neural network ABSTRACTRenewable energy has started to dominate the world since decades ago, especially solar electricity. In every PV installation there are disturbances that often occur, one of which is a degradation fault. Degradation fault is a type of disturbance in the form of discoloration of the Ethylene Vinyl Acetate layer from white to yellow to brownish. The discoloration is caused by age of use and temperatures that are too hot and can cause a very drastic decrease in current. This incident resulted in a decrease in Isc reaching 13%. This is not good if it continues to be left on solar panel installations. Therefore, this journal will discuss the identification of degradation faults in PV arrays with Artificial Neural Networks. ANN will identify a decrease in current in the PV array. From the results obtained that the decrease in current reaches 12% and can identify a degradation fault.Keywords: degradation fault, discoloration, Ethylene Vinyl Acetate , short circuit current, artificial neural network
Sistem Pemantauan Tempat Sampah menggunakan Pemodelan Edge Computing ROKOIYE, SITI; RISTIAN, URAY; KASLIONO, KASLIONO
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 12, No 2: Published April 2024
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v12i2.275

Abstract

ABSTRAKIoT adalah teknologi yang memanfaatkan konektivitas internet untuk menghubungkan perangkat dan bertukar data. Contoh penerapannya adalah pada sistem pemantauan tempat sampah yang melakukan pemantauan kapasitas sampah dari jarak jauh melalui koneksi internet. IoT memiliki tantangan seperti keterlambatan respons data dan ketergantungan pada internet. Oleh karena itu, untuk mengatasi masalah tersebut, dalam penelitian ini diterapkan pemodelan edge computing dengan memanfaatkan edge server. Penggunaan edge server pada sistem dapat memproses dan mengirimkan data dari berbagai tempat sampah. Ketergantungan pada koneksi internet saat melakukan pemrosesan data dari perangkat IoT dapat dikurangi karena edge server melakukan pemrosesan data secara lokal. Pemrosesan dan pengiriman data menggunakan protokol HTTP. Hasil pengujian QoS yang dilakukan dalam penerapan model edge computing pada sistem pemantauan tempat sampah diperoleh nilai rata-rata throughput 1338 bps dan rata-rata delay adalah 115 ms.Kata kunci: Internet Of Things, Pemantauan Tempat Sampah, Edge Computing ABSTRACTIoT is a technology that utilizes internet connectivity to connect devices and exchange data. An example of its application is in a trash bin monitoring system that remotely monitors trash capacity through an internet connection. IoT has challenges such as data response delays and dependence on the internet. Therefore, to overcome these problems, this research applies edge computing modeling by utilizing edge servers. The use of edge servers in the system can process and transmit data from various bins. Dependence on the internet connection when processing data from IoT devices can be reduced because the edge server performs data processing locally. Processing and sending data using the HTTP protocol. The results of QoS testing carried out in the application of the edge computing model in the bin monitoring system obtained an average throughput value of 1338 bps and the average delay is 115 ms.Keywords: Internet of Things, Trash Bin, Edge Computing
Antena Mikrostrip MIMO dengan Teknik Planar Series Array 4x2 elemen untuk Sistem Komunikasi 5G ALAM, SYAH; SURJATI, INDRA; NINGSIH, YULI KURNIA; SARI, LYDIA; SURYADI, SURYADI; MARDIAN, RADEN DEINY; FIRMANSYAH, TEGUH; ZAKARIA, ZAHRILADHA; ASTUTI, DIAN WIDI
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 12, No 2: Published April 2024
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v12i2.441

Abstract

ABSTRAKMakalah ini mengusulkan antena mikrostrip dengan dengan performansi tinggi yang beroperasi pada frekuensi resonansi 3,5 GHz untuk sistem komunikasi 5G. Antena dikembangkan dalam dengan teknik array planar seri 4x2 elemen yang dikonfigurasi MIMO. Berdasarkan hasil pengukuran, antena yang dirancang memiliki koefisien refleksi <= -10 dB, koefisien isolasi <= -40 dB dengan rentang frekuensi 3.1 GHz – 3,7 GHz dan gain maksimum sebesar 12,52 dB pada frekuensi resonansi 3,5 GHz. Bandwidth dan penguatan antena masing-masing meningkat sebesar 172.72% dan 160.83 %. Penelitian ini dapat direkomendasikan untuk digunakan sebagai antena penerima sistem komunikasi 5G.Kata kunci: antena, array, mikrostrip, MIMO, planar, 5G ABSTRACTThis article suggests a microstrip antenna with high performance, designed to operate at the resonant frequency of 3.5 GHz in 5G communication systems. The antenna is developed in a MIMO-configured 4x2 element series planar array technique. Based on measurement results, the proposed antenna exhibits a reflection coefficient of <= -10 dB, an isolation coefficient of <= -40 dB, within the frequency range 3.1 – 3.7 GHz and maximum gain of 12.52 dB at the resonant frequency of 3.5 GHz. The antenna's bandwidth and gain enhanced until 172.72% and 160.83%, respectively. This study suggests the potential use of the developed antenna as a reception device in 5G communication systems.Keywords: antenna, array, microstrip, MIMO, planar, 5G
Sistem Diagnosis Penyakit Kerbau menggunakan Algoritma Forward Chaining DZAKWAN, MUHAMAD AKMAL; SUBIYANTO, SUBIYANTO; APRILIANTO, RIZKY AJIE; SYAH, MARIO NORMAN
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 12, No 1: Published January 2024
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v12i1.231

Abstract

ABSTRAKKetergantungan peternak pada pakar atau dokter hewan karena terbatasnya pengetahuan dalam mengindentifikasi penyakit kerbau merupakan opsi yang sulit dan mahal. Dalam mengatasi hal tersebut, artikel ini menyajikan pengembangan sistem pakar diagnosis penyakit kerbau. Sistem ini diimplementasikan dalam bentuk web serta dirancang dengan mengumpulkan data tentang 17 jenis penyakit kerbau dan 49 gejala yang berkaitan. Proses diagnosis menggunakan kombinasi algoritma Forward Chaining dan Certainty Factor, yang memungkinkan sistem untuk mencocokkan gejala yang diamati dengan database penyakit kerbau menghasilkan diagnosis yang akurat. Hasil Pengujian sistem menunjukkan tingkat akurasi mencapai 100% dalam 15 kali pengujian berturut-turut. Hasil pengujian juga divalidasi oleh pakar spesialis kerbau. Kesimpulannya, sistem ini layak digunakan oleh peternak kerbau untuk mendiagnosis penyakit kerbau secara dini.Kata kunci: sistem pakar, penyakit pada kerbau, gejala, forward chaining, certainty factor ABSTRACTFarmers' reliance on experts or veterinarians due to limited knowledge in identifying buffalo diseases is a difficult and expensive option. To address the problem, this paper presents the development of an expert system for buffalo disease diagnosis. The system is implemented on the web and designed by collecting data on 17 buffalo disease types and 49 associated symptoms. The diagnosis process uses a combination of Forward Chaining and Certainty Factor algorithms, which allows the system to match observed symptoms with the buffalo disease database resulting in an accurate diagnosis. System testing results showed an accuracy rate of 100% in 15 consecutive tests. Results were also validated by buffalo specialist experts. In conclusion, the system is feasible to be used by buffalo farmers to diagnose buffalo diseases early.Keywords: expert system, buffalo diseases, symptoms, forward chaining, certainty factor

Page 72 of 83 | Total Record : 826

 70   71   72   73   74 

Filter by Year

2013 2026


Reset
Filter By Issues
All Issue Vol 14, No 1: Published January 2026 Vol 13, No 4: Published November 2025 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 (2020): ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektro Vol 8, No 2: Published May 2020 Vol 8, No 1: Published January 2020 Vol 8, No 1 (2020): ELKOMIKA Vol 7, No 3 (2019): ELKOMIKA Vol 7, No 3: Published September 2019 Vol 7, No 2 (2019): ELKOMIKA Vol 7, No 2: Published May 2019 Vol 7, No 1: Published January 2019 Vol 7, No 1 (2019): ELKOMIKA Vol 6, No 3: Published September 2018 Vol 6, No 3 (2018): ELKOMIKA 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: Published July - December 2017 Vol 5, No 2 (2017): ELKOMIKA Vol 5, No 1 (2017): ELKOMIKA Vol 5, No 1: Published January - June 2017 Vol 4, No 2 (2016): ELKOMIKA Vol 4, No 2: Published July - December 2016 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): ELKOMIKA Vol 3, No 2 (2015): Jurnal Elkomika Vol 3, No 2: Published July - December 2015 Vol 3, No 1 (2015): Jurnal Elkomika Vol 3, No 1: Published January - June 2015 Vol 3, No 1 (2015): ELKOMIKA Vol 2, No 2: Published July - December 2014 Vol 2, No 2 (2014): Jurnal Elkomika Vol 2, No 2 (2014): ELKOMIKA Vol 2, No 1: Published January - June 2014 Vol 2, No 1 (2014): ELKOMIKA Vol 2, No 1 (2014): Jurnal Elkomika 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): Jurnal Elkomika Vol 1, No 1 (2013): ELKOMIKA Vol 1, No 1: Published January - June 2013 More Issue