D4 Teknik Mekatronika

Permanent URI for this collectionhttps://repository.polibatam.ac.id/handle/PL029/1764

Browse

Filters

2022 - 202516

Settings

Start date: 1640Subject: search.filters.subject.Information technology

Search Results

Now showing 1 - 10 of 16
  • Repository Politeknik Negeri Batam
    Item
    Sistem Monitoring dan Kontrol Keamanan Rumah Berbasis Internet of Things
    (Hanapi, 2025-07-01) Hanapi Hanapi; Diono S.Tr. T., M.Sc
    Seiring pesatnya perkembangan zaman, kebutuhan manusia akan teknologi semakin berkembang terutama dibidang teknologi komunikasi. Dengan adanya teknologi smartphone membuat manusia melupakan keadaan sekitar sehingga mengakibatkan pemborosan terhadap ketersediaan energi yang ada. Selain itu bagi seseorang yang sering berpergian jauh maka tidak dapat memantau keadaan dan keamanan rumah secara terus menerus untuk mengatasi masalah diatas maka dibuatlah sistem Smart Home. Sistem ini dapat melaksanakan kontrol pada komponen dengan rata-rata delay ON dan OFF yang sangat kecil yaitu exhaust fan sebesar 1,97, lampu sebesar 2,12 detik dan buzzer sebesar 2,26 detik. Setelah komponen dikontrol kemudian data akan di transmisikan untuk disimpan dengan rata-rata delay persentase terkecil menggunakan mekanisme keamanan dengan registrasi dan enkripsi yaitu 0,00%. Data dengan mekanisme keamanan dengan registrasi dan enkripsi juga memiliki presentase packet loss yang kecil yaitu 0,00%. Pada sistem smart home dilengkapi dengan notifikasi peringatan sebagai tanda bahwa nilai pengukuran dari sensor melewati batas maksimum yang diperbolehkan, hasil pengujian dari notifikasi memiliki tingkat keberhasilan 100%. Pada interface smart home dilengkapi dengan menu sign up dan sign in memiliki tingkat keberhasilan yang tinggi setelah diuji dengan 5 kondisi yang berbeda. Sistem smart home selain dirancang untuk memberikan kenyamanan dan kemudahan pada user, bahwa sistem ini memiliki tingkat keamanan yang tinggi setelah diuji menggunakan 2 buah software yaitu Wireshark dan X8 Sandbox.
  • Repository Politeknik Negeri Batam
    Item
    Klasifikasi Seragam Loreng Tentara Indonesia Angkatan Darat dan Komando Cadangan Strategis Angkatan Darat (Kostrad) Menggunakan Metode Convolutional Neural Network (CNN)
    (2024-07-17) Hutahaean, Audrey Marito; Diono
    Penelitian ini membahas penerapan metode Convolutional Neural Network dalam mengklasifikasikan seragam loreng tentara Indonesia, khususnya seragam loreng TNI AD dan seragam loreng Kostrad. Tujuan penelitian ini adalah merancang sebuah sistem yang mampu mengenali dan mengklasifikasi seragam loreng tentara Indonesia menggunakan CNN serta mengimplementasikan arsitektur CNN ke ponsel Android. Penelitian ini penting untuk meningkatkan keamanan dan mencegah tindak kecurangan, seperti pencurian informasi dan penyamaran identitas yang sering terjadi di masyarakat. Berdasarkan penelitian yang dilakukan, model arsitektur CNN yang dikembangkan menunjukkan hasil sebagai berikut: pengujian menggunakan confusion matrix menghasilkan akurasi 98%, pengujian menggunakan data latih menghasilkan akurasi 98.3%, pengujian menggunakan kamera 96.4%, dan pengujian dengan data di luar kelas menghasilkan akurasi 54.54%. Model ini dapat bekerja dengan baik pada ponsel Android.
  • Repository Politeknik Negeri Batam
    Item
    Klasifikasi Seragam Loreng Tentara Indonesia Angkatan Darat dan Komando Cadangan Strategis Angkatan Darat (Kostrad) Menggunakan Metode Convolutional Neural Network (CNN)
    (2024-07-17) Hutahaean, Audrey Marito; Diono
    Penelitian ini membahas penerapan metode Convolutional Neural Network dalam mengklasifikasikan seragam loreng tentara Indonesia, khususnya seragam loreng TNI AD dan seragam loreng Kostrad. Tujuan penelitian ini adalah merancang sebuah sistem yang mampu mengenali dan mengklasifikasi seragam loreng tentara Indonesia menggunakan CNN serta mengimplementasikan arsitektur CNN ke ponsel Android. Penelitian ini penting untuk meningkatkan keamanan dan mencegah tindak kecurangan, seperti pencurian informasi dan penyamaran identitas yang sering terjadi di masyarakat. Berdasarkan penelitian yang dilakukan, model arsitektur CNN yang dikembangkan menunjukkan hasil sebagai berikut: pengujian menggunakan confusion matrix menghasilkan akurasi 98%, pengujian menggunakan data latih menghasilkan akurasi 98.3%, pengujian menggunakan kamera 96.4%, dan pengujian dengan data di luar kelas menghasilkan akurasi 54.54%. Model ini dapat bekerja dengan baik pada ponsel Android.
  • Repository Politeknik Negeri Batam
    Item
    Smart Lock Sistem Deteksi Iris Mata Manusia
    (Politeknik Negeri Batam, 2025-06-16) Yaser Vio Rahmadani; Diono
    Mata salah satu bagian dari tubuh penting bagi manusia sebagai Indera penglihatan, dari mata kita bisa mengenali orang dengan menggunakan alat elektronik pada system deteksi biometric iris mata. Pada Penelitian ini akan dilakukan deteksi biometric iris mata pada manusia secara langsung menggunakan sensor kamera IR. Tangkapan kamera yang dihasilkan seperti ekstraksi fitur pada citra iris mata akan diklasifikasikan menggunakan kecerdasan buatan, menggunakan Metode algoritma Scale Invariant Feature Transform (SIFT) dan Draw Keypoints. Kecerdasan buatan pada pendeteksian mata ini akan menghasilkan nilai akurasi pada pengenalan kemiripan mata yang akan dideteksi, sistem dari tahap input data dengan pengenalan iris mata yang akan dibaca menggunakan Keypoints dari metode SIFT, dengan akuisisi citra menggunakan kamera inframerah data di proses dan dihitung dari nilai akumulasi keypoint dari tiap citra. Output nilai akurasi dari hasil deteksi akan menentukan akses terbukanya kunci. Penelitian ini diharapkan bisa mendeteksi biometric iris mata, seseorang sehingga dapat mengenali dengan teknologi yang bisa digunakan untuk berbagai hal salah satunya kemaamanan suatu seperti contoh prototype yang akan dibuat untuk membuka sesuatu menggunakan deteksi iris mata.
  • Repository Politeknik Negeri Batam
    Item
    Perbandingan Performa Support Vector Machine (SVM) dan k-Nearest Neighbors (kNN) dalam Memverifikasi Orientasi Material
    (Politeknik Negeri Batam, 2025-01-23) Utama, Eldio; Jamzuri, Eko Rudiawan
    Dalam manufaktur otomatis, memverifikasi orientasi bahan sangat penting untuk memastikan perakitan produk berjalan tanpa kesalahan. Misalnya, dalam industri minuman, orientasi material yang salah, seperti tutup botol, dapat menyebabkan kegagalan dalam proses pengemasan, yang mengakibatkan botol tidak tersegel dengan benar yang dapat membahayakan kualitas dan keamanan produk. Penelitian ini membandingkan kinerja algoritma Support Vector Machine (SVM) dan k-Nearest Neighbors untuk memverifikasi verifikasi orientasi material melalui inspeksi optik otomatis. Gambar diproses menggunakan Inception V3 Convolutional Neural Network (CNN) untuk mengekstrak fitur gambar yang relevan, yang kemudian diklasifikasikan menggunakan algoritme SVM dan kNN. Hasilnya, kedua metode tersebut mencapai kinerja klasifikasi yang sempurna, dengan akurasi klasifikasi, presisi, recall, dan F1-score sebesar 1,0. Namun, kNN menunjukkan efisiensi komputasi yang lebih unggul, dengan waktu pelatihan 1,126 detik dan waktu pengujian 0,713 detik, dibandingkan dengan waktu pelatihan SVM yang mencapai 3,101 detik dan waktu pengujian 1,479 detik. Hasil ini menunjukkan bahwa meskipun kedua metode tersebut sangat efektif untuk verifikasi orientasi material, kNN menawarkan keuntungan yang signifikan dalam hal kecepatan komputasi, sehingga lebih cocok untuk aplikasi real-time. Implikasi dari penelitian ini menyoroti potensi untuk mengintegrasikan metode yang diusulkan dalam aplikasi industri, mempromosikan peningkatan efisiensi dan mengurangi tingkat kesalahan dalam jalur perakitan otomatis
  • Repository Politeknik Negeri Batam
    Item
    ALAT PEMBUKA PINTU OTOMATIS BERBASIS SUARA MENGGUNAKAN HIDROLIK
    (2024-11-09) Sixmi Amrullah, Muhammad Rizki; Jefiza,Adlian
    This innovation introduces a device designed to automatically open or close doors using voice commands from registered users. The device utilizes voice recognition technology connected to a hydraulic locking system. By incorporating a microphone and sound module, this device can recognize and respond to voice commands, allowing users to open the door without the need for a physical key. The aim of developing this device is to enhance convenience and security in accessing doors, enabling users to rely solely on their voice. Additionally, the device is equipped with an emergency button that allows for manual door opening in case of technical issues or emergency situations. This innovation is expected to provide a practical and efficient solution for door locking systems. The method used involves research and development based on previous studies. The results of this device have successfully been created in the form of a prototype. Keywords: sound module, hydraulic, microphone
  • Repository Politeknik Negeri Batam
    Item
    Uncontrolled Environments Face Recognition based on Transfer Learning Technique for Secure Automatic Door Access System
    (Atlantis Press, 2024-12-25) Rinaldi, Anggi; Akbar, Andrianur, Ikram, Muhammad; Fahruzi, Iman; Fahruzi, Iman
    Over the past four decades, artificial intelligence technology, particularly in artificial neural networks and related methods, has advanced rapidly. Deep learning, a major branch of artificial intelligence, has proven its effectiveness in addressing various problems, especially those involving large-scale data such as images, text, and sound. One notable application of deep learning is in developing automated door systems. These systems offer several benefits, including reducing direct contact with door handles, which is increasingly important for cleanliness and health concerns. This research proposes using deep learning, specifically transfer learning techniques, to detect facial expressions of individuals approaching the door. By recognizing these facial expressions, the system can automatically activate a motor to open the door if the input matches the system’s criteria. During the development phase, we employed the MobileNetV2 architecture for facial expression detection. Testing was conducted with the ESP32 device, and the model was trained and validated over 25 epochs. The experiments revealed that the model achieved a maximum accuracy of 53%. This research contributes to creating more efficient and user-friendly automated door systems. By leveraging deep learning technology, we aim to enhance safety and comfort for users.
  • Repository Politeknik Negeri Batam
    Item
    Smart Access Control System Based On Uncontrolled Environment Human Face Recognition Using Convolutional Neural Network
    (ABEC Indonesia, 2025-01-16) Akbar, Muhammad Ikram Andrianur; Rinaldi, Anggi; Fahruzi, Iman; Fahruzi, Iman
    Neural networks or other artificial intelligence methods have developed rapidly over the past four decades. Its use in various fields makes many people compete to develop it further. One of the applications of artificial intelligence is an automatic door opening and closing system. This development can provide many advantages for users, one of which is that there is no need to make direct contact with the door handle. Armed with a capable PC and an esp32 microcontroller, the system works by detecting images of user facial expressions approaching the object using a webcam. If the required input matches the system rules, the motor will move to open the door. By using convolutional neural network technique, the system can classify the image quickly. Several expressions such as angry, disgusted, scared, happy, sad, surprised, and normal can be the door-opening key of the system. The user can select one to use as the input key to drive the motor to open the door. The study outcomes for several predetermined facial expressions yielded an accuracy rate of 60% and a detection time of under 4 seconds. The detectable distance extends to ± 2 meters. Further study could enable the development of this autonomous door with an IoT-based system for enhanced efficiency. Hopefully, this research can influence the development of intelligent building systems and other fields of artificial intelligence technology.
  • Repository Politeknik Negeri Batam
    Item
    Sistem Interface Pada Smartphone Menggunakan Android Studio Pada Rawai Pintar
    (Journal of Engineering and Applied Technology, 2022-12-02) Hidayatullah, Muhammad Ragil; Kamarudin, S.T., M.T., IPM
    Rawai merupakan alat pancing ramah lingkungan yang popular di kalangan parah nelayan dimana Dilansir dari dinas kelautan dan perikanan tercatat pengguna rawai di Indonesia pada tahun 2022 berjumlah 4.980.000 dimana jumlah pengguna rawai dasar sangat meningkat dengan pesat. Rawai dasar sebagai alat pancing untuk menanggkap ikan demersal yang memiliki nilai jual sangat tinggi. Dimana rawai tradisional masih memiliki kekurangan dikarenakan para nelayan tidak dapt mengetahui umpan yang sudah dimakan atau belum membuat nelayan harus mengecek secara berulang membuat nelayan mengalami kerugian penggunaan bahan bakar dan tidak efesin dalam bekerja. Rawai Pintar Alat Bantu Nelayan Mendeteksi Tarikan Ikan Serta Lokasi dengan Efesiensi Waktu dan Bahan Bakar yang Terintergrasi Smartphone berfungsi mengatasi permasalahan nelayan untuk mengetahui pancingan sudah disambar ikan melalui sensor ADLX335 sebagai pendeteksi getaran saat umpan sudah dimakan. Hasil deteksi kemudian diproses oleh MAPPI32 yang memiliki komunikasi LoRa dengan fitur GPS serta penggunaan database cloud berupa google firebase dan disajikan dalam bentuk aplikasismartphone yang dibuat menggunakan software android studio. Tampilan interface di smartphone menampilkan hasil tangkapan ikan yang sudah memakan umpan atau belum dengan tampilan sangat mudah dipahami oleh para nelayan dan memiliki tampilan Gps untuk mendeteksi lokasi pemasangan rawai yang bisa berubah dikarenakan ombak laut, alat ini tentusaja dapat membuat nelayan bekerja secara maksimal.
  • Repository Politeknik Negeri Batam
    Item
    Quad-Drive Speed Control berbasis PID pada Barelang Crab_Bot 2023
    (2024-05-14) Akbar, Muhammad; Dwijotomo, Abrudahman
    Kontes Robot Tematik Indonesia merupakan ajang perlombaan nasional yang dilaksanakan sejak tahun 2019. Salah satu tugas pada perlombaan harus dapat memindahkan barang pada titik-titik tertentu di lapangan. Implementasi quad drive mecanum wheels pada Barelang Crab_Bot menjadi platform penggerak yang menggabungkan empat sumber daya untuk mencapai pergerakan presisi dan mobilitas yang unggul. Sistem penggerak robot ini umumnya menghasilkan gerak yang tidak lurus dan tidak stabil dengan arah hadapnya tidak konsisten melalui pengendali terbuka, dikarenakan karakter tiap motor memiliki kecepatan yang tidak sama dengan karaktristik yang tidak identik. Penelitian ini bertujuan untuk meningkatkan sistem Quad-drive dengan penggunaan algoritma pengendalian Proportional, Integral, Derivative (PID). Sistem kendali PID ini bekerja dengan cara memproses perhitungan berdasarkan variable kendali Kp, Ki, dan Kd untuk mencapai kondisi sesuai setpoint yang diharapkan. Pada praktiknya variabel yang akan di kontrol pada penelitian adalah kendali kecepatan berupa RPM dari pembacaan sensor encoder sebagai feedback. Dengan alat pengendali Arduino Mega, driver motor sebagai pengontrol kecepatan dan putaran motor DC, software yang digunakan adalah Arduino IDE. Yang mengasilkan hadap pergerakan robot dengan kemungkinan error sebesar 4o dari hasi pengujain pergerakan maju. dengan parameter PID yang ditentukan melalui trial and error metode manual tunning didapat nilai Kp=1.1, Ki=3.5, Kd=0.01.