Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Bencana merupakan hal yang mengancam nyawa manusia dan seringkali memakan korban. Ketika terjadi bencana, SAR dengan sigap mencari, menolong korban, dan memetakan lingkungan dengan cepat. Namun pada waktu-waktu tersebut merupakan saat yang berbahaya untuk mencari korban dan rawan bertambahnya korban. Quadcopter diaplikasikan untuk membantu mencari korban bencana. Pada Quadcopter disematkan sebuah kamera untuk mencari korban. Selama proses pencarian kamera akan mengambil gambar dan mendeteksi korban. Deteksi objek SSD dengan beberapa modifikasi digunakan untuk mendeteksi korban yaitu objek manusia. SSD modifikasi memiliki kemampuan waktu deteksi sebesar 214.37 ms dan tingkat presisi 99.7%. Selanjutnya, quadcopter akan mendekati objek yang terdeteksi. Pengendalian quadcopter untuk mendekati objek menggunakan Proportional Integral Derivative. Selama proses sistem merekam sensor IMU dan GPS pada quadcopter untuk mendapatkan lintasan quadcopter. ......Disaster is jeopardize for human being and oftentimes cost a risk of human life. After a disaster happened, SAR would be deployed to search victim, help them, and mapping disaster’s area quickly. However, after a disaster happened is a dangerous time to find the victim and prone to more risk of human life. Quadcopter used to help find the victim. The quadcopter is attached a camera to detect the victim. During the finding process, camera will capture an image detect of victim. SSD object detection is used to detect human object with a modification to yield more detection accuracy. Modified SSD have detection time performance 214.37 ms and precision 99.7%. Then quadcopter approach to the detected object. The quadcopter approaching process to object by Proportional-Integral-Derivative (PID). During this process, IMU Sensor and GPS of quadcopter are recorded to be processed and gathered the quadcopter trajectory.

Abstrak :
SAR (Search and Rescue) menjadi topik yang menarik dibahas di seluruh dunia karena urgensinya untuk menyelamatkan nyawa manusia. Bencana alam baru-baru ini di Palu, Sulawesi Tengah Indonesia menunjukkan kurangnya mobilitas yang dapat menyebabkan masalah bagi tim SAR untuk menjangkau korban di daerah terpencil. Pekerjaan yang tidak nyaman bagi tim SAR menjadi lebih menantang dalam waktu tanggap dan dalam menemukan dan menyelamatkan korban bencana. Melihat kenyataan tersebut, perlu dikembangkan cara-cara yang lebih efisien dan efektif untuk menemukan dan menyelamatkan korban. Penggunaan Quadcopter dapat mengatasi masalah tersebut. Sayangnya Quadcopter masih dikendalikan secara konvensional dengan remote dan untuk selanjutnya harus berada di tanah statis setiap kali lepas landas atau mendarat. Studi ini melaporkan bahwa Quadcopter dilengkapi dengan sistem lepas landas dan mendarat otonom yang dinamis. Dengan demikian dapat memanfaatkan kendaraan SAR taktis atau platform seluler lainnya. Menggunakan pendekatan deteksi objek, sistem navigasi berbasis gambar di Quadcopter atau disebut visual servoing adalah penggunaan visi mesin sebagai kontrol posisi loop tertutup untuk gerakan. Gambar dapat dideteksi menggunakan YOLO v3 Real Time Object Detector, dan melacaknya dengan memperkirakan gerakan objek dalam bingkai video yang berurutan. Menggunakan rekonstruksi 3D, jarak dan posisi target yang ditentukan dan Quadcopter dapat ditentukan. Kemudian estimasi posisi relatif objek tersebut digunakan sebagai input untuk sistem kontrol pada Quadcopter menggunakan kontroler PID. Controller menginstruksikan Quadcopter untuk mendekati target, sedangkan image processing memeriksa posisi relatif antara keduanya. Jika posisi memenuhi parameter pendaratan minimum, maka pengontrol memerintahkan pendaratan. Sementara untuk lepas landas kami menerapkan kontrol untuk menjaga keseimbangan dan kekuatan yang cukup untuk memperlambat ......SAR (Search and Rescue) is an interesting topic discussed around the world because of its urgency to save human lives. The recent natural disaster in Palu, Central Sulawesi Indonesia demonstrated a lack of mobility which could cause problems for SAR teams to reach victims in remote areas. An inconvenient job for the SAR team becomes more challenging in response time and in finding and rescuing disaster victims. Seeing this reality, it is necessary to develop more efficient and effective ways to find and save victims. The use of Quadcopter can solve this problem. Unfortunately the Quadcopter is still conventionally controlled by remote and henceforth must be on static ground every time it takes off or lands. The study reports that the Quadcopter is equipped with a dynamic autonomous take-off and landing system. Thus can take advantage of tactical SAR vehicles or other mobile platforms. Using object detection approach, image based navigation system in Quadcopter or called visual servoing is the use of machine vision as closed loop position control for movement. Images can be detected using the YOLO v3 Real Time Object Detector, and track them by estimating the motion of objects in successive video frames. Using 3D reconstruction, the distance and position of the specified target and the Quadcopter can be determined. Then the estimated relative position of the object is used as input for the control system on the Quadcopter using a PID controller. The controller instructs the Quadcopter to approach the target, while image processing checks the relative position between the two. If the position meets the minimum landing parameters, then the controller orders a landing. While for takeoff we apply controls to maintain balance and enough force to slow down

Abstrak :

Adulterasi beras adalah tindakan pencampuran beras kualitas tinggi dengan kualitas rendah dengan tujuan keuntungan ekonomi. Pada penelitian ini membuat sistem identifikasi adulterasi beras yang memiliki penyusun utama adalah Pandan Wangi dengan beras pencampurnya antara lain adalah IR64 Premium, IR64 Medium 1, IR64 Medium 2, IR64 Medium 3, dan Beras Kualitas Rendah. Pada pembuatan sistem identifikasi menggunakan citra hiperspektral dengan model klasifikasi support vector machine dan convolutional neural network. Model klasifikasi support vector machine dikombinasikan dengan principal component analysis sedangkan pada model klasifikasi convolutional neural network terdiri atas dua arsitektur yaitu autoencoder dan proposed convolutional neural network. Model yang digunakan adalah proposed convolutional neural network yang memiliki hasil paling tinggi diantara yang lainnya dengan hasil akurasi klasifikasi pada beras adulterasi Pandan Wangi dan IR64 Premium sebesar 90%, beras adulterasi Pandan Wangi dan IR64 Medium 1 sebesar 93%, beras adulterasi Pandan Wangi dan IR64 Medium 2 sebesar 97%, beras adulterasi Pandan Wangi dan IR64 Medium 3 sebesar 97%, dan beras adulterasi Pandan Wangi dan Beras Kualitas Rendah sebesar 100%. Dari hasil akurasi klasifikasi tersebut dapat disimpulkan bahwa sistem identifikasi beras adulterasi Pandan Wangi bekerja dengan optimal.

---

Rice adulteration is an act to mix high quality of rice with low quality rice for beneficial economic purposes. In this study, the rice adulteration testing system which has the main constituent is Pandan Wangi with its mixing rice, among others, IR64 Premium, IR64 Medium 1, IR64 Medium 2, IR64 Medium 3, and Low Quality Rice. In making the assessment system using hyperspectral images with classification models support vector machines and convolutional neural networks. The classification model supports vector machines combined with principal component analysis whereas the convolutional neural network classification model consists of two architectures, namely autoencoder and a proposed convolutional neural network. The model used is the proposed convolutional neural network which has the highest results related to the assessment results on Pandan Wangi and IR64 Premium adulteration at 90%, Pandan Wangi and IR64 Medium 1 adulteration at 93%, Pandan Wangi and IR64 Medium 2 at 97%, Pandan Wangi and IR64 Medium 3 at 97%,  Pandan Wangi and Rice Quality low-rice adulteration by 100%. From the results of verification of this classification it can be concluded that the Pandan Wangi adulteration rice system worked optimally.

Abstrak :
Pengukuran bio-impedansi merupakan salah satu metode untuk diagnosis berdasarkan nilai impedansi sebagai fungsi dari frekuensi. Bio-impedansi memanfaatkan karakteristik hambatan dari makhluk hidup dalam menghambat arus yang lewat. Dengan melihat perubahan arus ini maka pengukuran bioimpedansi dapat dilakukan. Pengukuran volume sebuah jaringan atau plethysmography biasanya dilakukan untuk volume gas pada paru-paru. Plethysmography dapat mengamati paru-paru pada saat inspirasi dan ekspirasi yang menunjukkan perbedaan volume. Untuk mendapatkan perbedaan itu, metode pengukuran thoracic atau bagian dada untuk plethysmography sering digunakan. Dengan mengkombinasikan metode thoracic dan Impedance Converter AD5933, pengukuran bio-impedansi untuk plethysmography dapat dilakukan. AD5933 diprogram dengan pengaturan sweep frequency yang dapat mengukur besar impedansi, bilangan real, bilangan imaginer dan fasa. Selanjutnya, pengukuran bio-impedansi untuk plethysmography ini dilakukan dengan mengolah data dari AD5933 terhadap waktu dan menghasilkan sinyal yang merepresentasikan sinyal dari paru-paru dan diperoleh sinyal plethysmography dari tiga subjek volunteer (pria berumur 20-23 tahun) dengan berat yang sama yang dibedakan dari perokok atau tidak perokok dan olahraga. ...... Bio-impedance measurement is one method for diagnosis based on the value of the impedance as a function of frequency. Utilizing bio-impedance characteristics of living things in the barriers inhibiting the flow through. By looking at the change in the flow of bio-impedance measurement can be performed. Measurement of the volume of a tissue or plethysmography is usually done for the volume of gas in the lungs. Plethysmography can observe the lungs during inspiration and expiration which shows the difference in volume. To get the difference, the method of measurement for thoracic or chest plethysmography is often used. By combining methods and thoracic impedance Converter AD5933, measurement of bio-impedance plethysmography to do. AD5933 is programmed with settings that can measure the frequency sweep large impedance, real numbers, imaginary numbers and phase. Furthermore, measurement of bioimpedance plethysmography for this by processing data from AD5933 to time and produce signals that represent the signal from the lungs and plethysmography signals obtained from three volunteer subjects (men aged 20-23 years) with same weight were distinguished from smokers or not smokers and sport routine.

Abstrak :
Saat ini perekaman gelombang seismik masih menggunakan geophone konvensional, yaitu terdiri dari koil yang digantung oleh pegas. Pada penelitian ini, telah dikembangkan sebuah sistem perekam gelombang seismik menggunakan akselerometer MEMS. Data keluaran akselerometer diakuisisi dengan menggunakan mikrokomputer Raspberry Pi, kemudian data tersebut disimpan di dalam Raspberry Pi dan dikirim ke sebuah komputer host setelah proses akuisisi selesai. Keluaran data dari sistem ini setara dengan data keluaran dari geophone konvensional, yaitu dalam domain kecepatan. Sistem ini menggunakan komunikasi Wi-Fi untuk terhubung ke sebuah server sehingga memungkinkan kegiatan eksplorasi tanpa memerlukan kabel. Hasil rekaman sistem ini dibandingkan dengan geophone konvensional. Uji coba dilakukan di Universitas Indonesia. ......Currently recording seismic waves still use conventional geophones, which consists of coils suspended by springs. This research has developed a system of recording seismic waves using MEMS accelerometer. Accelerometer output data acquired using microcomputers Raspberry Pi, then the data is stored in the Raspberry Pi and sent to a host computer after the acquisition is completed. The output data from this system is equivalent to the output data from conventional geophones, which is in the domain of speed. This system uses the Wi-Fi communication to connect to a server making it possible exploration activities without cables. Recording the results of this system compared with conventional geophones. Tests performed at the University of Indonesia.

Abstrak :
[ABSTRAK
Sensor cahaya merupakan perangkat yang mengubah besaran analog (besaran cahaya) menjadi sinyal listrik. Ada bermacam sensor cahaya yang sering digunakan, beberapa di antaranya ialah sensor cahaya LDR, fotodioda, dan OPT101. Masing-masing sensor memiliki karateristik yang berbeda. Perbedaan yang mencolok adalah jenis sinyal listrik yang dihasilkan oleh masing-masing sensor sebagai dampak dari terangsangnya material di dalam sensor terhadap perubahan besar penerangan. Sensor cahaya LDR memiliki resistansi yang semakin kecil nilainya dengan bertambah besarnya penerangan, sedangkan arus listrik dari fotodioda semakin besar nilainya dengan penerangan yang semakin besar pula nilainya. Modul praktikum sensor cahaya mampu untuk memberikan semua fitur yang diperlukan untuk mempelajari karakteristik sensor-sensor cahaya tersebut dengan menggunakan pengatur besar penerangan, dan rangkaian-rangkaian pendukung seperti voltage divider dan low-pass filter. ABSTRACT
Light sensor is a device that is able to change analog property (light) into electric signal. There are various kinds of light sensors such as LDR, photodiode, and OPT101. Each sensor has different and unique specification. The difference between those three sensors that is easy to be identified lies in the kind of output signal of each kind of light sensor. The output comes out of each of the light sensors as the respond of the sensor's material that reacts to the change of lighting. The LDR?s resistance gets lower as the amount of incident light gets higher, the electric current from the photodiode gets higher as the amount of incident light gets higher too. This light sensor practicum module has all of the features, like the lighting controller, voltage divider and low-pass filter electric circuits, that are required to learn about each sensor's characteristic.;Light sensor is a device that is able to change analog property (light) into electric signal. There are various kinds of light sensors such as LDR, photodiode, and OPT101. Each sensor has different and unique specification. The difference between those three sensors that is easy to be identified lies in the kind of output signal of each kind of light sensor. The output comes out of each of the light sensors as the respond of the sensor's material that reacts to the change of lighting. The LDR?s resistance gets lower as the amount of incident light gets higher, the electric current from the photodiode gets higher as the amount of incident light gets higher too. This light sensor practicum module has all of the features, like the lighting controller, voltage divider and low-pass filter electric circuits, that are required to learn about each sensor's characteristic., Light sensor is a device that is able to change analog property (light) into electric signal. There are various kinds of light sensors such as LDR, photodiode, and OPT101. Each sensor has different and unique specification. The difference between those three sensors that is easy to be identified lies in the kind of output signal of each kind of light sensor. The output comes out of each of the light sensors as the respond of the sensor's material that reacts to the change of lighting. The LDR’s resistance gets lower as the amount of incident light gets higher, the electric current from the photodiode gets higher as the amount of incident light gets higher too. This light sensor practicum module has all of the features, like the lighting controller, voltage divider and low-pass filter electric circuits, that are required to learn about each sensor's characteristic.]

Abstrak :
Diabetes mellitus merupakan salah satu penyakit tidak menular dengan angka kematian tertinggi di dunia. Hal ini terjadi karena tingginya resiko komplikasi yang disebabkan pernyakit tersebut. Salah satu cara pencegahan yang dapat dilakukan adalah dengan melakukan pendeteksian lebih awal, salah satunya dengan menggunakan metode iridologi. Metode ini dapat mendeteksi kerusakan organ tubuh melalui tanda-tanda yang muncul pada iris. Dengan menggunakan metode tersebut penelitian ini dilakukan untuk mengklasifikasi penyakit diabetes menggunakan Convolutional Neural Network. Sistem ini mengevaluasi sebanyak 35 subjek normal dan 14 subjek diabetes. Adapun beberapa tahapan yang dilakukan untuk mengelola citra, di antaranya filtering, grayscaling, normalisasi, segmentasi, dan klasifikasi. Selain itu, sistem ini juga melakukan berbagai variasi untuk memperoleh konfigurasi terbaik, seperti variasi citra segmentasi dan tanpa segmentasi, variasi lebar iris, variasi bagian-bagian pankreas, variasi jumlah k-fold, dan variasi algoritma pengoptimalan menggunakan SGDM, Adam dan RMSProp. Sistem ini memperoleh akurasi sebesar 96,43% dengan variasi citra tanpa segmentasi berukuran  piksel menggunakan algoritma Adam dengan learning rate 0,001.

---

Diabetes mellitus is one of the uncontagious diseases with the highest mortality rate in the world. This happens because of the high risk of complications caused by this disease. One of the preventative ways is to do early detection, one of which is by using the iridology method. This method detects damage to the body's organs through the signs that appear on the iris. Using that method, this study was conducted to classify diabetes using Convolutional Neural Network. This system evaluates 35 normal subjects and 14 diabetes subjects. Several steps are taken to process the image, such as filtering, grayscaling, normalization, segmentation, and classification. Other than that, this system also performs various variations to obtain the best configuration, such as variations in image segmentation and without segmentation, variations in iris width, variations in parts of the pancreas, variations in the number of k-fold, and variations in optimization algorithms using SGDM, Adam and RMSProp. This system obtained an accuracy of 96.43% with variations image without segmentation size pixel using Adam's algorithm with a learning rate of 0.001.

Abstrak :
Telah dibuat alat ukur muai panjang logam yang berbasis mikrokontroler dengan dilengkapi heater sebanyak 6 buah, dimana masing-masing berdaya 150 watt, 220 VAC dengan ukuran 25x30mm. Sebagai sensor temperatur, digunakan sensor temperatur termokopel tipe K yang memiliki range deteksi -200°C hingga 1200°C sebanyak 5 buah dan sensor posisi menggunakkan sensor LVDT yang dapat mendeteksi perubahan jarak hingga 2,5mm. Alat ini dapat mengukur perubahan panjang muai logam akibat pemanasan yang dilakukan heater dan perubahan temperatur yang dibaca oleh mikrokontroler untuk dikirimkan ke PC melalui komunikasi serial RS232, di PC program LabVIEW data tersebut akan diproses dan menampilkan penambahan data awal panjang logam sehingga didapatkan koefesien muai panjang logam. Berdasarkan hasil percobaan bahwa semakin tinggi temperatur maka perubahan muai panjang logam akan semakin besar dan koefesien muai logam sampel almunium pada temperatur 183˚C adalah 2.5x106/˚C untuk mekanik heater nozzle, sedangkan untuk mekanik heater infrared bernilai sama dengan koefesien muai logam yang didapat untuk sampel almunium pada temperatur 150˚C adalah 2.5 x 10-6/˚C. ......Has created long-gauge metal expansion-based microcontroller instrument with 6 heaters, each heaters has 150 watt power, 220 VAC, and 25x30mm dimension. As a temperature sensor, it use 5 pieces type K thermocouple temperature sensor which has a detection range -200°C to 1200°C and LVDT position sensors which is able to detect changes in distance of up to 2.5 mm. This instrument can measure the length changes due to heating of metal expansion and temperature changes that are read by the microcontroller to be sent to a PC via RS232 serial communication. PC LabVIEW program data will be processed and preliminary data showing the addition of metal so we get a long term expansion coefficient of metal. Based on experimental results that the higher the metal's temperature will change the length of expansion and the greater expansion coefficient value of aluminum metal sample at a temperature of 183˚C is 2.5 x 10-6/˚C for the mechanical heater nozzle, whereas for mechanical infrared heater has the same value with metal expansion coefficient which is obtained for samples of aluminum at a temperature of 150˚C is 2.5 x 10-6/˚C.