Claim Missing Document
Check
Articles

Found 3 Documents
Search

ANALISIS KOMPENSASI TEGANGAN SAG DENGAN KONTROL HYSTERESIS DAN ANN PADA GI SENGKALING PENYULANG PUJON Wijono, Wijono; Siswojo, Bambang; Eko Suryo, Arief Trisno
Transmisi: Jurnal Ilmiah Teknik Elektro Vol 22, No 3 Juli (2020): TRANSMISI
Publisher : Departemen Teknik Elektro, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/transmisi.22.3.73-79

Abstract

Makalah ini mendiskusikan tentang analisis kompensasi tegangan sag. Tegangan sag disebabkan oleh gangguan hubung singkat 3 fasa ke tanah. Gangguan tersebut memiliki dampak besar terhadap kerusakan pada saluran beban Penyulang Pujon. Tegangan sag dapat diatasi dengan kompensasi menggunakan Dynamic Voltage Restorer (DVR), yang mana DVR merupakan salah satu dari custom power device yang paling efektif. Hysteresis dan ANN diusulkan untuk mengatur kompensasi tegangan sag dari DVR. Hasil simulasi menunjukkan bahwa kontrol Hysteresis mampu mengkompensasi tegangan beban rata-rata sebesar 95.9 %, dan ANN 104.3%. Kontrol Hysteresis lebih baik dibandingkan dengan kontrol ANN dalam mengkompensasi tegangan beban, yang mana tidak melebihi tegangan beban normal pada saat kompensasi tegangan sag.
DESAIN DAN SIMULASI KONTROL KECEPATAN MOTOR QUADCOPTER Mulyadi, Adi; Wijono, Wijono; Siswojo, Bambang
Transmisi: Jurnal Ilmiah Teknik Elektro Vol 22, No 4 Oktober (2020): TRANSMISI
Publisher : Departemen Teknik Elektro, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/transmisi.22.4.107-116

Abstract

Pergerakan quadcopter dipengaruhi oleh kecepatan empat baling-baling yang digerakkan oleh motor BLDC. Perputaran baling-baling tersebut akan menghasilkan gaya dorong yang arahnya vertical. Pada pengoperasiannya, dua motor dikendalikan searah jarum jam, dan dua motor lainnya berlawanan jarum jam. Permasalahan yang terjadi pada pembangkitan gaya angkat quadcopter adalah bahwa kecepatan empat motor harus sama, sehingga gerakan quadcopter dapat mencapai ketinggian yang diinginkan. Makalah ini mendiskusikan mengenai desain sistem kontrol kecepatan motor untuk mendapatkan kestabilan dari gerakan altitude vertical take-off quadcopter. Sistem kontrol melibatkan beban motor dan kecepatan gaya angkat. Perhitungan vertical take-off dilakukan dengan menggunakan metode Euler-Newton. Metoda Proportional-Integral-Derivative (PID) diusulkan untuk mendapatkan kestabilan gerakan. Selain itu, simulasi menggunakan MATLAB Simulink digunakan untuk memvalidasi hasil perancangan. Hasil simulasi menunjukkan bahwa dengan kontrol PID pada ketinggian 10 m sampai 90 m didapatkan respon waktu naik lebih cepat 0.01 detik, overshoot 0%, dan waktu steady state 0.06 detik. Sedangkan pengaturan PI pada ketinggian 10 m sampai 90 m menghasilkan respon waktu naik lebih lama 0.013 detik, overshoot 0% dan waktu steady state 0.1 detik.
Kinerja Pendekatan Convolutional Neural Network dan Dense Network dalam Klasifikasi Citra Malaria Dafid, Achmad; Siwindarto, Ponco; Siswojo, Bambang
Rekayasa Vol 14, No 2: Agustus 2021
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/rekayasa.v14i2.10735

Abstract

Indonesia is an archipelago, which three of its five main island consists mainly, or dense tropical rainforest. This rainforest is main breeding ground for malaria disease that mostly affect regions near said forest. In an effort to treat malaria disease, a diagnostic process is performed to correctly identify the disease. Several image pattern recognition technique been developed and have potential to be utilized as malaria diagnostic tool. In this research, a method is described on designing neural network to detect a blood cell parasitized by malaria. The method consists of utilizing a dense network, and a convolutional neural network, to be trained using publicly available training dataset. Both models’ performance is then compared and analyzed. Before the data is used, a process of padding is performed to resize the input image into 200 x 200 pixels. The resized input data is then used to train both models. From the training and testing, it is found that the dense network achiever 64.78% accuracy. On the other hand, model based on convolutional neural network achiever 94.32%. From analysis, it is found that the size of the model being used is not big enough to achieve better performance. Hence, it is suggested for future research to increase the model size in terms of network width and depth.