Article Per Year (5 Year)
p-Index From 2019 - 2024
0.444
P-Index
This Author published in this journals
All Journal Jurnal Techno Bahari
Millah, Ibrahim Saiful
Unknown Affiliation
Electrical & Electronics Engineering Energy Mechanical Engineering Transportation

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

Found 2 Documents
Search

 1 
Perbandingan Cascade Forward Neural Network dan Feed Forward Neural Network untuk Prediksi Keluaran Daya PV di PLTH Pantai Baru Bantul Mahmudah, Norma; Millah, Ibrahim Saiful; Afandi, Achmad
Techno Bahari Vol 9 No 2 (2022)
Publisher : Politeknik Negeri Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52234/tb.v9i2.214

Abstract

Pembangkit listrik tenaga surya memiliki beberapa keuntungan yaitu produksi yang terus menerus, mengurangi kebutuhan listrik, pemeliharan Photovoltaic (PV) yang rendah dan umur PV yang lebih dari 30 tahun, sehingga pengunaan panel surya dapat dioptimalkan dengan mengunakan prediksi keluaran daya PV. Tujuannya adalah untuk mengetahui keluaran daya PV untuk kedepannya. Prediksi keluaran daya PV dapat mengunakan Artificial Neural Network (ANN). Pada penelitihan ini dilakukan perbandingan prediksi keluaran daya PV dengan megunakan Cascade Forward Neural Network (CFNN) dan Feed Forward Neural network (FFNN) dengan mengunakan Algoritma Levenberg-Marquard sebagai fungsi aktifasi dari proses pembelajaran prediksi keluaran daya PV. Besaran Error dihitung dengan mengunakan Mean Square Error (MSE). Dari hasil penelitihan dengan metode Cascade Forward Neural Network (CFNN) dengan algoritma Levenberg-Marquard didapatkan hasil MSE yang lebih baik pada learning rate 0,1 dengan MSE sebesar 0,0042% sedangkan untuk Feed Forward Neural network (FFNN) juga mengunakan algoritma Levenberg-Marquard didapatkan hasil MSE sebesar 0,007% dengan learning rate 0,05. Dari hasi penelitihan menunjukkan bahwa CFNN memberikan nilai MSE terbaik, sehingga nilai error MSE yang terkecil tersebut menjadikan acuan dalam sistem manajemen energi untuk memprediksi keluaran daya PV.
Rancang Bangun Smart Green House Pada Budidaya Tanaman Kangkung Berbasis IoT (Internet of Things) Nisa, Maulidatun; Mustofa, Ahmad; Millah, Ibrahim Saiful; Nailah, Fadlilatin
Techno Bahari Vol 10 No 2 (2023)
Publisher : Politeknik Negeri Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52234/tb.v10i2.300

Abstract

Membudidayakan tanaman kangkung tergolong jenis sayuran yang sangat populer dalam masyarakat, budidaya kangkung darat sangat mudah karena sayuran ini bersiklus panen cepat dan relative tahan hama, Permintaan pasar juga bertambah setiap tahun seiring dengan semakin banyaknya penggunaan kangkung. Agar membudidayakan tanaman kangkung dengan mudah di Green House maka diperlukan metode penerapan teknologi Smart Green House yang dilengkapi dengan Internet of Things (IoT) dimana dengan metode ini penyiraman tanaman dan pengatur suhu ruangan di Green House dapat dilakukan secara otomatis berdasarkan kelembapan tanah dan suhu ruangan Green House, penyiraman dilakukan ketika kelembapan tanah dibawah 40% dan penyiraman akan dihentikan ketika kelembapan tanah lebih dari 40% batas kelembapan tanah yang baik untuk tanaman kangkung yaitu dibawah 75%. Untuk suhu ruangan diatas 32°C suhu ruangan panas maka pendingin ruangan menyala dan ketika suhu ruangan dibawah 25°C maka pemanas ruangan menyala, data pembacaan sensor tersebut dapat di monitoring melalui blynk. Berdasarkan hasil akhir, untuk tanaman kangkung yang di budidaya pada dalam Green House lebih bagus di bandindingkan dengan tanaman kangkung yang di budidaya pada luar Green House, berdasarkan dari jumlah daun selisih daun yang ditanam pada masing-masing media yaitu selisih 2-3 daun, tinggi tanaman kangkung yang dibudiaya pada Green House selisih sekitar 10-11 cm dengan budiaya diluar Green House, serta total hari pada pertumbuhan kangkung juga berbeda, dimana kangkung yang dibudidaya pada Green House lebih cepat di bandingkan dengan tanaman kangkung yang dibudidaya secara konvensional.
Co-Authors Achmad Afandi, Achmad Ahmad Mustofa Mahmudah, Norma Nailah, Fadlilatin Nisa, Maulidatun