Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Medika Teknika : Jurnal Teknik Elektromedik Indonesia Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi)
Mariana Syamsudin
Politeknik Negeri Pontianak
Computer Science & IT Electrical & Electronics Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Penentuan Prioritas Efisiensi Energi Listrik Menggunakan Metode Fuzzy Logic Mariana Syamsudin; Wendhi Yuniarto; Yunita Yunita
Prosiding SISFOTEK Vol 1 No 1 (2017): SISFOTEK 2017
Publisher : Ikatan Ahli Informatika Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (458.791 KB)

Abstract

Bangunan Politeknik Negeri Pontianak memiliki ciri khusus dalam intensitas konsumsi energi listrik. Hal ini merupakan salah satu ciri lembaga pendidikan vokasi, yang disebabkan dengan adanya kebutuhan untuk pelaksanaan praktikum dalam bidang rekayasa. Berbagai macam cara dilakukan untuk melakukan konservasi energi listrik diantaranya dengan mengurangi konsumsi listrik pada sistem tata udara dan sistem tata cahaya. Penelitian ini menjelaskan tiga faktor utama yang akan mempengaruhi penggunaan energi listrik untuk lampu dan Air Conditioning (AC) yaitu pencahayaan alami, luas ruangan dan suhu luar ruangan. Hasil penelitian yang diperoleh berupa hipotesis bahwa terdapat hubungan yang sangat signifikan antara intensitas cahaya, luas ruangan dan suhu luar ruangan dalam menentukan prioritas efisiensi energi terhadap suatu ruangan dan prosentase efisiensi dinamis untuk masing-masing ruangan berdasarkan dengan kriteria yang telah ditentukan.
Implementasi Algoritma Kompresi Data untuk Meningkatkan Kinerja Pendeteksian Gangguan Kualitas Daya Listrik Mariana Syamsudin
Medika Teknika : Jurnal Teknik Elektromedik Indonesia Vol 5, No 1 (2023): October
Publisher : Universitas Muhammadiyah Yogyakarta, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18196/mt.v5i1.18386

Abstract

Resiko terjadinya penurunan kualitas daya listrik dapat terjadi pada banyak tahapan yaitu, produksi, transformasi, distribusi, dan konsumsi energi. Salah satu cara untuk menangani masalah kualitas daya adalah dengan melakukan deteksi dan klasifikasi gangguan kualitas daya atau dalam istilah asing disebut Power Quality Disturbances (PQDs). Namun, penelitian sebelumnya hanya berfokus pada topik berikut: gangguan kebisingan (noise), kegagalan model dalam menggeneralisasi data (overfitting), dan waktu yang diperlukan untuk pelatihan dataset. Sebuah strategi baru disarankan untuk mengatasi masalah ini dengan menggabungkan kompresi dataset sinyal 1-Dimensi dengan algoritma klasifikasi convolutional neural network (CNN). Dua jenis algoritma kompresi yang diusulkan untuk dievaluasi adalah wavelet transform (WT) dan autoencoder. Data yang digunakan untuk evaluasi adalah kumpulan data sintetik menurut standar IEEE-1159, yaitu empat belas tipe PQDs yang berbeda. Selanjutnya, prosedur klasifikasi PQDs akan mengintegrasikan data terkompresi dengan algoritma klasifikasi CNN. Hasil akhir penelitian memperlihatkan, metode yang disarankan menunjukkan bahwa menggabungkan algoritma kompresi autoencoder dan metode klasifikasi CNN dapat mengenali PQDs secara efisien. Bahkan di lingkungan dengan tingkat noise 20db, pemrosesan sinyal PQDs mencapai akurasi hingga 97,14 persen dan berhasil memperkecil overfitting.
Co-Authors Wendhi Yuniarto Yunita Yunita