A  B  C  D  E  F  G  H  I  J  K  L  M  N  O  P  Q  R  S  T  U  V  W  X  Y  Z  

  Subjects -> ELECTRONICS (Total: 207 journals)
The end of the list has been reached or no journals were found for your choice.
Similar Journals
Journal Cover
Jurnal Rekayasa Elektrika
Number of Followers: 0  

  This is an Open Access Journal Open Access journal
ISSN (Print) 1412-4785 - ISSN (Online) 2252-620X
Published by Universitas Syiah Kuala Homepage  [19 journals]
  • Classification of Koilonychia, Beaus Lines, and Leukonychia based on Nail
           Image using Transfer Learning VGG-16

    • Authors: Suci Aulia, Sugondo Hadiyoso
      Abstract: Human nail disease is usually ignored since it does not reveal clinical signs that are harmful to one'shealth. Nail disease, on the other hand, can be an early sign of a health issue. Some types of nail disease can cause infection, injury, or even the loss of the nail itself. It can reduce a person's aesthetics and beauty. Nail disease is very varied, so it is often difficult for clinicians to diagnose because several types have high similarities. Therefore, an automatic nail disease classification method based on nail photos was proposed in this study. The proposed method was based on the VGG-16 neural network architecture with an adam optimizer. Nail diseases including Koilonychia, Beaus Lines, and Leukonychia have been classified in this study. The model in this study is simulated in Python programming. The simulation results show that the highest classification accuracy is 96%, achieved with epoch-10. The transfer learning method based on a neural network simulated in this study is expected to support the clinical diagnosis of nail disease.
      PubDate: 2022-07-30
      DOI: 10.17529/jre.v18i2.25694
      Issue No: Vol. 18, No. 2 (2022)
       
  • Rancang Bangun Driver PZT dan Filtering Data Akustik Pada Sonar Aktif

    • Authors: Henry Manik, Adhi Negara, Susilohadi Susilohadi
      Abstract: Transduser akustik merupakan komponen Source Level dalam persamaan sonar yang sangat diperlukan sebagai sumber energi akustik bawah air, dengan pola pancar tertentu yang disebut beamforming. Dalam riset ini, kami merancang pembangunan sebuah rangkaian driver untuk mentrigger sebuah transduser piezoelektrik (PZT) agar menghasilkan pancaran energi akustik untuk tujuan deteksi target bawah air. Pembuatan driver akustik dengan prinsip kerja sederhana telah dilakukan untuk memberikan perintah transmit TX dan receive RX. Modul RX akan menerima sinyal akustik dari TX dan hasilnya direkam untuk analisis. Pencampuran sinyal dengan noise membuat informasi yang diperoleh tidak dapat langsung diverifikasi sehingga diperlukan proses pengolahan sinyal untuk dapat memisahkan antara sinyal informasi dan noise. Metode pemrosesan sinyal menggunakan Fast Fourier Transform (FFT) dan wavelet.


      PubDate: 2022-07-30
      DOI: 10.17529/jre.v18i2.25244
      Issue No: Vol. 18, No. 2 (2022)
       
  • Measurement of Ankle Brachial Index with Oscillometric Method for Early
           Detection of Peripheral Artery Disease

    • Authors: Ervin Masita Dewi, Gema Ramadhan, Robinsar Parlindungan, Lenny Iryani, Trisno Yuwono
      Abstract: Peripheral Arterial Disease (PAD) is a blood vessel disease caused by blockage or accumulation of plaque around the artery walls. PAD is included in the category of diseases that are often diagnosed too late and affect more severe cases, such as the death of certain tissues or body parts. The Ankle Brachial Index (ABI) is an accurate non-invasive method for diagnosing PAD, in practice ABI is usually performed in certain hospitals and is still difficult to find due to limited tools. Therefore, a tool is made that can detect the condition of a person's PAD based on the ABI value. The tool is made using two MPX5050GP sensors to detect oscillometric pulses, a DC pump and solenoid valve as an actuator to pump and deflate the cuff, ADS1115 as an external ADC to increase the accuracy of sensor readings, as well as an LCD and buzzer as tool indicators. The output is displayed in the form of a print out from a thermal printer, with an emergency stop that functions as a safety system to power off the supply when a failure occurs in the measurement process. Oscillometric method is used to detect systolic and diastolic pressure. The accuracy of the tool is 95.5%. This accuracy result is obtained by comparing the readings of systolic and diastolic values using a sphygmomanometer which is commonly used.
      PubDate: 2022-07-30
      DOI: 10.17529/jre.v18i2.25758
      Issue No: Vol. 18, No. 2 (2022)
       
  • Simulasi Sistem PLTS Atap dan Harga Satuan Energi Listrik Untuk Skala
           Rumah Tangga di Surabaya

    • Authors: Elieser Tarigan
      Abstract: Energi surya merupakan salah satu sumber energi terbarukan yang dapat dimanfaatkan sebagai sumber listrik melalui teknologi pembangkit listrik tenaga surya (PLTS) untuk mengurangi ketergantungan terhadap energi fosil. Makalah ini memberikan gambaran tentang penggunaan PLTS atap atau rooftop PV system sesuai regulasi yang berlaku di Indonesia. Simulasi komputer dilakukan  untuk mengetahui mengetahui potensi daya dan energi keluaran sistem PLTS atap di kota Surabaya Simulasi dilakukan perangkat lunak SolarGIS Pvplanner. Persamaan matematis diturunkan untuk memperkirakan harga satuan energi listrik sistem PLTS atap, dan perhitungan dilakukan secara numerik.  Hasil simulasi menunjukkan bahwa rata-rata total energi harian yang dihasilkan dari sistem  3 kWP PLTS atap di Surabaya adalah 13 kWh.  Sementara, harga satuan listrik PLTS atap didapatkan  antara 0,08 USD – 0,11 USD/kWh.
      PubDate: 2022-07-30
      DOI: 10.17529/jre.v18i2.25535
      Issue No: Vol. 18, No. 2 (2022)
       
  • Perancangan Automated Guided Vehicle Menggunakan Penggerak Motor DC dan
           Motor Servo Berbasis Raspberry Pi 4

    • Authors: Florentinus Budi Setiawan, Yosia Yovie Christian Wibowo, Leonardus Heru Pratomo, Slamet Riyadi
      Abstract: Pengaruh dari revolusi industri 4.0 menghasilkan perubahan yang sangat signifikan. Perusahaan-perusahaan banyak bersaing menghasilkan robot-robot yang memudahkan pekerjaan manusia, dilihat dari segi tenaga maupun waktu pada proses produksi barang. Robot yang sedang dikembangkan salah satunya AGV (Automated Guided Vehicle) yang merupakan kendaraan dengan kendali otomatis. AGV memiliki akurasi tinggi, perawatan mudah, dan memiliki operasi waktu yang panjang. Pada penelitian ini membahas desain dan implementasi AGV menggunakan 2 motor. Motor depan menggunakan motor servo digunakan untuk steering belok kanan dan belok kiri sedangkan motor belakang berupa motor DC digunakan untuk mengatur kecepatan AGV. Sistem pergerakan AGV dikontrol dengan computer vision. Permasalahan AGV yang dijumpai adalah jarak pembacaan kamera yang dekat sehingga untuk pembacaan terjadi kendala. Hal ini dapat diselesaikan dengan kamera yang terhubung raspberry pi mampu menangkap tulisan maupun gambar dengan jarak 100 cm. Penggunaan computer vision membuat robot AGV mudah melakukan pergerakan. Dalam penelitian ini akurasi pergerakan robot AGV terhadap pola lintasan memiliki selisih sudut rata-rata 3.09°. Dengan selisih sudut tersebut menandakan error kecil sehingga AGV dapat beroperasi secara optimal. Pada aplikasi lapangan, AGV ini dimanfaatkan pada industri manufaktur untuk memindahkan barang. Oleh karena itu, penggunaan AGV sangat dibutuhkan karena memiliki akurasi tinggi dan error kecil.
      PubDate: 2022-07-30
      DOI: 10.17529/jre.v18i2.25863
      Issue No: Vol. 18, No. 2 (2022)
       
  • Seleksi Fitur dan Perbandingan Algoritma Klasifikasi untuk Prediksi
           Kelulusan Mahasiswa

    • Authors: Junta Zeniarja
      Abstract: Mahasiswa merupakan bagian utama di dalam siklus hidup suatu universitas. Jumlah kelulusan suatu universitas sering kali mempunyai perbandingan yang kecil bila dibanding dengan jumlah mahasiswa yang didapat pada tahun akademik yang sama. Tingkatan kelulusan mahasiswa yang kecil ini bisa disebabkan oleh sebagian aspek, seperti banyaknya aktivitas kemahasiswaan yang diiringi oleh aspek ekonomi, serta aspek – aspek lainnya. Perihal ini membuat suatu universitas wajib mempunyai model yang bisa memperhitungkan apakah mahasiswa itu bisa lulus tepat waktu atau tidak. Faktor utama yang menentukan suatu universitas salah satunya adalah kelulusan mahasiswa tepat waktu. Semakin tinggi tingkat mahasiswa baru pada suatu universitas maka dengan rasio yang sama, juga wajib ada mahasiswa yang lulus tepat waktu. Peningkatan jumlah data mahasiswa dan data akademis terjadi jika banyak mahasiswa yang tidak lulus tepat waktu dari semua mahasiswa yang terdaftar. Sehingga akan mempengaruhi citra dan reputasi dari universitas yang nantinya dapat mengancam nilai akreditasi universitas tersebut. Untuk mengatasi hal tersebut, maka diperlukan model yang dapat memprediksi kelulusan mahasiswa sehingga dapat dijadikan pengambilan kebijakan nantinya. Tujuan dari penelitian ini adalah mengusulkan model klasifikasi terbaik dengan membandingkan tingkat akurasi yang tertinggi dari beberapa algoritma klasifikasi antara lain Naïve Bayes, Random Forest, Decision Tree, K-Nearest Neighbor (KNN) dan Support Vector Machine (SVM) untuk memprediksi kelulusan mahasiswa. Selain itu proses seleksi fitur juga digunakan sebelum proses klasifikasi untuk mengoptimalkan model. Penggunaan seleksi fitur pada model ini dengan fitur terbaik menggunakan 12 fitur atribut regular dan 1 atribut sebagai label. Didapatkan bahwa model klasifikasi dengan algoritma Random Forest yang terpilih, dengan nilai akurasi tertinggi mencapai 77.35% lebih baik dibandingkan dengan algoritma lainnya.
      PubDate: 2022-07-30
      DOI: 10.17529/jre.v18i2.24047
      Issue No: Vol. 18, No. 2 (2022)
       
  • IMAGE PROCESSING-BASED HAND GESTURE DETECTION

    • Authors: Abdullah - Sani, Suci - Rahmadinni
      Abstract: Abstrak— Bahasa isyarat tangan adalah media komunikasi untuk penyandang disabilitas (tuna rungu dan tuna wicara). Namun, dalam kehidupan sehari – hari tidak jarang penyandang disabilitas harus berkomunikasi dengan orang normal yang tidak mengerti dengan bahasa isyarat. Masalah tersebut dapat diatasi dengan bantuan penerjemah atau orang normal belajar bahasa isyarat melalui media yang ada seperti video. Namun, cara ini akan menghabiskan banyak biaya dan waktu. Pada penelitian ini, penulis merancang sebuah sistem untuk mendeteksi gerakan tangan berbasis image processing. Metode yang digunakan adalah menggunakan algoritma You Only Look Once (YOLO-v3). Algoritma YOLO-v3 dapat mendeteksi dan mengklasifikasi objek sekaligus tanpa di pengaruhi oleh intensitas cahaya dan background dari objek. Algoritma ini merupakan metode deep learning yang lebih akurat dari pada metode deep learning lainnya. Diharapkan dengan adanya penelitian ini, mampu membuat sebuah sistem deteksi pengenalan gesture tangan sebagai bahasa isyarat sehingga dapat membantu komunikasi antara orang normal dengan disabilitas (tuna rungu dan tuna wicara). Dari hasil pengujian yang telah dilakukan, maka didapatkan sistem dapat mendeteksi dan mengklasifikasi gesture tangan dengan background, intensitas cahaya, dan jarak yang berbeda – beda dengan tingkat akurasi diatas 90%. 
      PubDate: 2022-07-30
      DOI: 10.17529/jre.v18i2.25147
      Issue No: Vol. 18, No. 2 (2022)
       
  • Substraksi Latar Menggunakan Nilai Mean Untuk Klasifikasi Kendaraan
           Bergerak Berbasis Deep Learning

    • Authors: Ilal Mahdi, Kahlil Muchtar, Fitri Arnia, Tia Ernita
      Abstract: Moving object detection systems have been widely used in everyday life. Currently, research in the field of background subtraction is still being carried out to achieve maximum accuracy results. This study aims to model the background subtraction of an image using the mean value with the concept of non-overlapping block. Furthermore, the background abstraction results will be used in deep learning-based moving object detection. Specifically, the input image will be divided into several blocks, then the mean value of each block will be calculated to later produce a binary block (binary map). The binary blocks that have been generated will be used as input for background modeling. The background model aims to separate moving objects from the background in the input image. The resulting moving object (object localization) will be sent to the object classification stage using deep learning. The dataset used in this study is CDNet 2014. The results of the study were able to produce a more accurate moving object detection system. Quantitative tests carried out resulted in an accuracy of above 90%.
      PubDate: 2022-07-30
      DOI: 10.17529/jre.v18i2.25224
      Issue No: Vol. 18, No. 2 (2022)
       
 
JournalTOCs
School of Mathematical and Computer Sciences
Heriot-Watt University
Edinburgh, EH14 4AS, UK
Email: journaltocs@hw.ac.uk
Tel: +00 44 (0)131 4513762
 


Your IP address: 18.204.56.185
 
Home (Search)
API
About JournalTOCs
News (blog, publications)
JournalTOCs on Twitter   JournalTOCs on Facebook

JournalTOCs © 2009-