Garuda - Garba Rujukan Digital

PENINGKATAN KINERJA SENSOR DS18B20 PADA SISTEM IOT MONITORING SUHU KOLAM IKAN Irawan, Arif Indra; Patmasari, Raditiana; Hidayat, Muhammad Rahmat
JTERA (Jurnal Teknologi Rekayasa) Vol 5, No 1: June 2020
Publisher : Politeknik Sukabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31544/jtera.v5.i1.2019.101-110

Pada proses pemeliharaan ikan, penentuan suhu air kolam merupakah salah satu faktor penting bagi kualitas pertumbuhan ikan. Bahkan dalam suatu penelitian mengenai ikan Betutu perbedaan suhu sekitar 2°C dapat menurukan survival rate ikan sebesar 20%. Penelitian ini bertujuan untuk meningkatkan kinerja sensor suhu DS18B20 yang digunakan pada sistem Internet of Things (IoT) untuk monitoring suhu kolam ikan. Parameter yang digunakan untuk menguji kualitas sistem sensor suhu tersebut adalah akurasi, Root Mean Square Error (RMSE), dan response time. Analisis dilakukan menggunakan metode regresi linier dan measurement rate berdistribusi normal. Kemudian hasil analisis dibandingkan untuk mengetahui pengaruh penggunaan metode regresi linier dan pengaruh measurement rate pada sistem monitoring suhu kolam ikan ini. Hasil penelitian menunjukkan bahwa setelah digunakannya metode regresi linier saat kalibrasi, akurasi pengukuran, RMSE, dan response time mengalami peningkatan.

PERANCANGAN DAN IMPLEMENTASI ALAT PENGUKUR KADAR NATRIUM DALAM CAIRAN Miftahul Fawaz; Raditiana Patmasari; R Yunendah Nur Fuadah; Azis Ansori Wahid
JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING Vol 4, No 2 (2021): Journal of Electrical And System Control Engineering
Publisher : Universitas Medan Area

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31289/jesce.v4i2.4199

Elektrolit adalah senyawa yang sangat penting untuk mendukung proses metabolisme dalam tubuh. Alat untuk melakukan pengukuran kadar elektrolit dalam darah biasa disebut Electrolyte Analyzer. Alat yang tersedia saat ini memiliki harga yang relatif mahal dikarenakan harus di import dari luar negeri. Oleh karena itu, penulis mencoba membuat perangkat pendeteksi elektrolit yang sederhana. Komponen terpenting dari alat ini adalah Ion Selective Electrode untuk mengukur tegangan dalam cairan elektrolit. Selain itu, terdapat komponen pendukung seperti multimeter. Setelah mendapatkan data, data akan dibagi menjadi 2 yaitu data uji dan data latih untuk mengelompokan kadar elektrolit. Pengelompokan menggunakan metode klasifikasi k-Nearest Neighbour (k-NN) ke dalam kondisi normal, hipoatremia, dan hiperatremia. Hasil akhir dari penelitian ini adalah sebuah alat yang digunakan untuk melakukan pengukuran kadar elektrolit dalam cairan dan dikelompokan dengan Matlab. Data diambil dari cairan sampel dengan konsentrasi 110, 115, 120, 125, 130, 135, 140, 145, 150, dan 154 mmol/L. Pengujian yang dilakukan adalah penentuan nilai kadar elektrolit dan pengujian waktu kalibrasi yang memperoleh tingkat akurasi 99,7% dengan skema melalukan kalibrasi setiap satu kali pembacaan cairan sampel. Sedangkan untuk pengelompokan, nilai akurasi tertinggi adalah 75% dengan menggunakan metode k-NN dengan pengukuran jarak Euclidean, City-Block, Chebychev, dan Minkowski dengan nilai k=1 dan k=3.

Perancangan Perangkat Lunak Rumus Sidik Jari pada Bentuk Sidik Jari Jenis Whorl Raditiana Patmasari; Mohamad Ramdhani; Achmad Rizal
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2009
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Daktiloskopi adalah ilmu yang mempelajari sidik jari untuk keperluan pengenalan kembali identifikasi orangdengan cara mengamati garis yang terdapat pada ruas ujung jari baik tangan maupun kaki. Perumusan sidikjari ( classification formula ) merupakan penentuan rumus sidik jari yaitu pembubuhan tanda pada tiap-tiapkolom kartu sidik jari yang menunjukkan interprestasi mengenai bentuk pokok, jumlah bilangan garis, bentukloop, dan jalannya garis yang diikuti pada bentuk whorl. Bentuk whorl adalah bentuk pokok sidik jari yangmempunyai paling sedikitnya 2 buah delta, dengan satu atau lebih garis melengkung atau melingkar di hadapankedua delta. Dan sampai sekarang ini proses identifikasi dan penentuan rumus sidik jari dari sebagian besarpihak kepolisian masih dilakukan dengan cara konvensional. Perangkat lunak yang direalisasikan ini digunakanuntuk menghitung rumus sidik jari pada jenis whorl. Penghitungan rumusnya berdasarkan beberapa parameteryaitu, letak core (titik pusat), letak delta, bilangan garis antara delta dan core (ridge counting), dan mengikutijalannya garis pada bentuk whorl (ridge tracing). Perangkat lunak yang direlisasikan telah mampu menentukancore, delta, ridge counting, ridge tracing, dan menghasilkan rumus sidik jari pada bentuk pokok jenis whorl.Dengan tingkat keberhasilan 100% untuk penentuan titik core, 80% untuk penentuan delta kiri, 40% untukpenentuan delta kanan, 80% untuk penentuan ridge counting dan ridge tracing , dan 60% untuk penentuanrumus sidik jari.Kata Kunci: daktiloskopi, rumus sidik jari, whorl

Deteksi Plat Nomor Kendaraan dengan Hough Transform dan Harris Corner Menggunakan Akuisisi Melalui Raspberry Pi Noor Akhmad Gilar Romadhon; Koredianto Usman; Raditiana Patmasari
TELKA - Jurnal Telekomunikasi, Elektronika, Komputasi dan Kontrol Vol 6, No 2 (2020): TELKA
Publisher : Jurusan Teknik Elektro UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/telka.v6n2.93-103

Dalam suatu tempat, seperti di mall, tempat parkir kendaraan dapat terdiri dari beberapa lantai di basement atau di bagian atas bangunan. Di samping itu juga banyak sektor yang berubah fungsi menjadi tempat parkir. Dalam situasi ini, diperlukan sistem monitoring kendaraan yang fleksibel. Pada penelitian ini dibuat sistem yang dapat mengenali jenis kendaraan berdasarkan warna dasar pada plat nomor apakah kendaraan tersebut merupakan kendaraan pribadi, umum, atau pemerintah. Data berupa citra diambil dengan menggunakan webcam melalui akuisisi Raspberry Pi. Sistem dirancang dengan menggunakan deteksi tepi dan morfologi serta menggunakan metode Hough Transform untuk memperbaiki garis tepi dan Harris Corner untuk mendeteksi sudut pada citra. Selanjutnya dilakukan proses cropping plat. Deteksi warna dasar plat nomor dilakukan dengan menggunakan ruang warna YcbC. Selain itu, dilakukan perhitungan waktu proses akuisisi dan waktu proses keseluruhan ketika Raspberry Pi dan laptop melakukan proses deteksi. Berdasarkan hasil pengujian, sistem mendapatkan hasil terbaik sebesar 100% saat deteksi plat nomor kendaaraan pribadi dan hasil terburuk sebesar 70% saat deteksi plat nomor kendaraan umum. Rata-rata akurasi yang didapatkan pada sistem ini sebesar 88,9%. Akurasi tersebut diperoleh dengan 90 data uji. Rata-rata waktu komputasi adalah 0,99 detik, yang artinya proses pendeteksian dilakukan cukup cepat. In some place, such as in a mall, a vehicle parking lot can consist of several floors in the basement or at the top of a building. In addition, many sectors have also been turned into parking lots. In this situation, a flexible vehicle monitoring system is needed to detect the type of vehicle ownership through the base color on the license plate connected to the Raspberry Pi, which is expected to be able to mitigate this problem. This research develop a system that can recognize the type of vehicle based on the color of the plate number whether the vehicle is a private, public, or government vehicle. The data consists of images taken using a webcam through the acquisition of Raspberry Pi. The system was designed by using edge detection, morphology, the Hough Transform method to correct the edge, and Harris Corner to detect angles in the image, after which the plate cropping process is carried out. The license plate base color is detected using the YCbCr color space, and the system will also measure the quality of the network between the Raspberry Pi and the laptop used during the detection process. The system gets the best results at 100% when detecting private vehicle license plates and the worst results at 70% when detecting public vehicle license plates. The average accuracy obtained in this system is 88,9% that used 90 test data. The average computation time is 0,99 seconds, which means that the detection process is quite fast.

Sistem Orientasi Objek Dengan Metode Stereo Vision Berbasis Raspberry Pi Rajali Ginting; Raditiana Patmasari; Suci Aulia
IT Journal Research and Development Vol. 4 No. 1 (2019)
Publisher : UIR PRESS

Pengukuran estimasi jarak sebuah objek dapat dilakukan dengan berbagai cara, antara lain dengan memanfaatkan sensor pengukur jarak seperti sensor ultrasonik, sensor infra merah dan laser. Tetapi cara tersebut memiliki kekurangan seperti memiliki batasan-batasan karakteristik bahan yang digunakan dan memiliki kesulitan tersendiri jika dikaitkan dengan orientasi dimana objek tersebut berada. Berdasarkan kelebihan tersebut maka pada penelitian ini akan dirancang suatu sistem pengukuran orientasi objek menggunakan metode Stereo vision yang berbasis Raspberry pi. Sistem orientasi objek ini mengacu pada estimasi jarak dan dimensi objek. Metode Stereo vision melakukan pengukuran jarak dan dimensi secara visual dengan menggunakan dua buah kamera webcam. Akusisi citra dilakukan dalam interval waktu yang bersamaan, sehingga akan terdapat dua citra yang memiliki objek yang sama tetapi dari sudut pandang yang berbeda. Kedua citra akan digunakan untuk menghitung nilai disparitas yang akan digunakan sebagai salah satu parameter dalam melakukan pengukuran jarak. Menghitung nilai disparitas citra dilakukan menggunakan beberapa metode image processing yaitu menggunakan deteksi tepi Canny edge, deteksi garis Hough line transform dan deteksi sudut Harris corner. Penelitian ini dapat digunakan sebagai alat pengukuran jarak dan dimensi objek yang bergerak secara real time dengan tingkat akurasi diatas 95% dengan tingkat presisi 100%.

Peningkatan Kinerja Sensor DS18B20 pada Sistem IoT Monitoring Suhu Kolam Ikan Arif Indra Irawan; Raditiana Patmasari; Muhammad Rahmat Hidayat
JTERA (Jurnal Teknologi Rekayasa) Vol 5, No 1: June 2020
Publisher : Politeknik Sukabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31544/jtera.v5.i1.2019.101-110

Pada proses pemeliharaan ikan, penentuan suhu air kolam merupakah salah satu faktor penting bagi kualitas pertumbuhan ikan. Bahkan dalam suatu penelitian mengenai ikan Betutu perbedaan suhu sekitar 2°C dapat menurukan survival rate ikan sebesar 20%. Penelitian ini bertujuan untuk meningkatkan kinerja sensor suhu DS18B20 yang digunakan pada sistem Internet of Things (IoT) untuk monitoring suhu kolam ikan. Parameter yang digunakan untuk menguji kualitas sistem sensor suhu tersebut adalah akurasi, Root Mean Square Error (RMSE), dan response time. Analisis dilakukan menggunakan metode regresi linier dan measurement rate berdistribusi normal. Kemudian hasil analisis dibandingkan untuk mengetahui pengaruh penggunaan metode regresi linier dan pengaruh measurement rate pada sistem monitoring suhu kolam ikan ini. Hasil penelitian menunjukkan bahwa setelah digunakannya metode regresi linier saat kalibrasi, akurasi pengukuran, RMSE, dan response time mengalami peningkatan.

DESIGN AND IMPLEMENTATION OF LEARNING TOOLS TO READ THE BRAILLE LETTERS BASED ON VOICE PROCESSING AND ARDUINO USING MEL FREQUENCY CEPSTRAL COEFFICIENT AND K-NEAREST NEIGHBOR METHOD Raditiana Patmasari; Sofia Saidah; A F Akbar; Rita Magdalena
JMECS (Journal of Measurements, Electronics, Communications, and Systems) Vol 6 No 1 (2020): JMECS
Publisher : Universitas Telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/jmecs.v6i1.2019

Ability to read Braille is critical skill for blind students. Without the skill, blind students would encounter difficulties in their learning activities because most learning materials are written using the Braille system. The currently applied Braille learning system uses printed paper that is time consuming and pricey. This research attempts to develop a tool for helping the blinds to learn how to read braille letters. The tool processes inputs in the form of speech signal into a text by applying Mel Frequency Cepstral Coefficient (MFCC) as a feature extraction method and K- Nearest Neighbor (KNN) as a classifier method. The text will subsequently be transformed into Braille pattern by using Arduino UNO. The test results discover the combination of Mel Frequency Cepstral Coefficient and K-Nearest Neighbor method are able to recognize the speech signal of different alphabets with 87,3% accuracy. Furthermore, the computing time for alphabet recognitions decreases 85 % when the device is applied This finding helps the blind students to recognize the alphabets easily and faster.

Design and Realization of Automatic Packet Reporting System (APRS) for Sending Telemetry Data in Nano Satellite Communication System Raditiana Patmasari; Inung Wijayanto; R. S. Deanto; Y. P. Gautama; Hurianti Vidyaningtyas
JMECS (Journal of Measurements, Electronics, Communications, and Systems) Vol 4 No 1 (2018): JMECS
Publisher : Universitas Telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/jmecs.v4i1.1692

To communicate with the ground station, nano satellite requires a communication system that serves in real time to regulate the procedure with ground station. One of the missions of nano satellites is the retrieval of telemetry data from sensors that transmitted using APRS technology (Automatic Packet Reporting System). We designed a prototype to monitor sensor by utilizing the APRS. Real-time sensor data was transmitted to monitor through radio using AX.25 protocol. On the transmitter side, an APRS Tracker integrated with a microprocessor ATMEGA 1284P to modulate the AFSK signal. The existence of this AFSK signal is used to transmit and receive telemetry data using handy talky. We use a computer with AGWPE software to demodulate the AFSK signal and UI-View32 to show the telemetry data. The results showed that the telemetry data can be displayed on the receiver side and acquired in real time. The accuracy of temperature sensor received by the receiver is 92.97%, and humidity sensor is 90.57%. There was a delay of 1 second for the reception of telemetry data directly.

Perancangan Dan Implementasi Sistem Pendeteksi Kadar Alkohol Pada Mobil Berbasis Arduino Uno Yasi Oktodiranto; Raditiana Patmasari; Hilman Fauzi
eProceedings of Engineering Vol 4, No 1 (2017): April, 2017
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Jumlah kecelakaan berdasarkan data AIS IRSMS - Polda Jateng, 21% korban meninggal atau cedera serius adalah akibat mengemudi dalam keadaan mabuk / mengkunsumsi alkohol. Alkohol adalah zat psikoaktif yang bersifat adiktif. Zat psikoaktif adalah golongan zat yang bekerja secara selektif, terutama pada otak yang dapat menimbulkan perubahan pada pelaku, emosi kognitif, persepsi, dan kesadaran seseorang. Pada saat seseorang mengkonsumsi alkohol yang berlebihan dapat mengganggu kesadarannya sendiri. Berdasarkan kebutuhan tersebut, pada tugas akhir ini dibuat sebuah sistem yang terpasang di mobil yang dapat mencegah pengemudi berkendara dalam keadaan mengkonsumsi alkohol. Sistem ini terdiri dari perangkat utama berupa arduino UNO. Kemudian dengan perangkat tambahan berupa sensor yang akan mendeteksi nafas sang pengemudi apakah terdeteksi sedang mengkonsumsi alkohol. Sensor akan membaca tingkat kadar alkohol pada pengemudi tersebut, apabila sensor mendeteksi alkohol dibawah 5% maka led kuning akan menyala dan LCD akan menampilkan kadar alkohol yang telah dikonsumsi, sedangkan jika sensor mendeteksi alkohol diatas 5% maka led merah, buzzer akan menyala selama 15 detik disertai LCD yang akan menampilkan sebuah peringatan bahwa mesin akan dimatikan. Kata kunci : Arduino UNO, Alkohol, MQ-3

Deteksi Kelainan Tulang Belakang Berdasarkan Citra Medis Digital Dengan Menggunakan Gray Level Co-occurrence Matrix (glcm) Dan K-nearest Neighbor (knn) Yudhi Afriyana; Rita Purnamasari; Raditiana Patmasari
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

ABSTRAK Kelengkungan dan postur tulang belakang sangat penting dalam mengukur tingkat masalah kesehatan pada tubuh manusia. Kondisi postur tulang belakang yang salah dapat mempengaruhi kesehatan pada tubuh seperti ketegangan pada otot dan sakit pada punggung. Skoliosis adalah salah satu kelainan pada tulang yang membuat tulang belakang dapat melengkung ke sisi kiri dan kanan. Sehingga kelainan tersebut dapat mengganggu efektifitas pada fungsi tulang belakang tersebut. Tugas akhir ini bertujuan untuk membuat sebuah sistem yang dapat mendeteksi kelainan pada tulang belakang pada hasil citra rontgen, sehingga sistem dapat secara otomatis memilah kelaianan skoliosis sesuai dengan arah kemiringannya dan dokter hanya tinggal menentukan besar derajat kemiringannya. Dibuatnya sistem ini diharapkan dapat membantu proses pemilahan data klasifikasi citra rontgen, sehingga diharapkan dapat membantu proses pengklasifikasian data dengan cepat dan akurat. Pada Tugas Akhir ini citra yang digunakan merupakan hasil CT imaging dari hasil rontgen yang terdiri dari beberapa proses penghitungan. Sistem menggunakan metode ekstraksi ciri Gray Level Co-Occurance Matrix (GLCM) untuk mendapatkan extract level dari citra alat diagnostik kesehatan dengan format .jpg. Kemudian hasil extract level tersebut diklasifikasikan dengan K-Nearest Neighbor (KNN) sehingga akan dihasilkan 3 klasifikasi yaitu tulang punggung manusia normal, kelainan dekstroskoliosis dan kelainan levoskoliosis. Untuk pengujian ini, dilakukan pengujian dengan 128 citra tulang belakang, dengan komposisi masingmasing kelas citra memilki 53 citra normal, 36 citra dekstroskoliosis, dan 39 citra levoskoliosis. Sehingga didapatkan akurasi terbaik sebesar 84,84% pada sistem yang menggunakan parameter GLCM orde dua dikeempat parameter, jarak sebesar 3 piksel dengan arah (0o , 45o , 90o , 135o ) , dan level kuantisasi 8 , sedangkan pada parameter KNN dengan nilai k = 1 di keempat parameter KNN yang digunakan . Kata kunci: Skoliosis, Gray Level Co-Occurrence Matrix (GLCM), K-Nearest Neighbor (K-NN) ABSTRACT The curvature and posture of the spine is very important in in measuring the level of health problems in the human body. The wrong posture of the spine can affect health in the body such as muscle tension and back pain. Scoliosis is one of the abnormalities in the bones that make the spine curl to the left and right sides. So the abnormality can interfere with the effectiveness of the spine function. This final project aims to create a system that can detect abnormalities in the spine on X-ray images, so that the system can automatically sort the scoliosis gap according to the direction of slope and the doctor only determines the degree of slope. The creation of this system is expected to help sort out X-ray image classification data, so that it is expected to help the data classification process quickly and accurately. In this Final Project, the image used is the result of CT imaging from X-ray results which consists of several counting processes. The system uses the extraction method feature Gray Level Co-Occurance Matrix (GLCM) to get extract level from the image of the health diagnostic tool with the .jpg format. Then the extract level results are classified with K-Nearest Neighbor (KNN) so that there will be 3 classifications namely normal human backbone, dextroscoliosis disorder and levoskoliosis disorder. This testing is conducted using 128 images of spinal, with the composition of each image class having 53 normal images, 36 decstroscoliosis images and 39 levoskoliosis images. So that obtained the best accuracy ISSN : 2355-9365 e-Proceeding of Engineering : Vol.5, No.3 Desember 2018 | Page 4675 2 of 84.84% in a system that uses second-order GLCM parameters in four parameters, a distance of 3 pixels with direction (0o , 45o , 90o , 135o ), and the quantization level of 8, while the KNN parameter with a value of k = 1 in the four KNN parameters used. Keywords: Scoliosis, Gray Level Co-Occurrence Matrix (GLCM), K-Nearest Neighbor (K-NN)

Title

Found 34 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 34 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 34 Documents
Search