D4 Teknik Mekatronika

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

Browse

Search Results

Now showing 1 - 8 of 8

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.
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.
Instrumen Akuisisi Data Hasil Monitoring Mesin Welding
(2024-01-02) Roenaldo, Rico; Mulyadi, Indra Hardian; Susanto
Pengelasan adalah proses manufaktur yang krusial dalam industri, dengan 70% produk industri menggunakan teknik ini. Mengingat investasi yang besar, pengelolaan dan pemantauan mesin las menjadi sangat penting. Pengawasan berbasis kertas yang masih umum digunakan cenderung tidak akurat, sehingga penelitian ini menawarkan implementasi instrumen monitoring mesin las yang lebih andal dan universal. Instrumen ini menggunakan WiFi LoRa 32 V2 dari Heltec Automation, dengan fokus pada konektivitas WiFi, transduser arus untuk mendeteksi penggunaan mesin, teknologi Radio Frequency Identification (RFID) berfrekuensi 13,56 MHz, serta push button untuk menunjukkan lokasi mesin. Data dari instrumen ini dikirim secara wireless ke platform cloud database dan ditampilkan melalui antarmuka pengguna berbasis konsep Internet of Things, yang mempermudah pencatatan penggunaan mesin las. Sistem ini dievaluasi menggunakan metode Design of Experiment dan analisis ANOVA untuk menguji keandalannya. Hasil evaluasi menunjukkan bahwa sistem ini andal dengan beberapa keterbatasan, seperti jarak instrumen terhadap koneksi dan kondisi lingkungan tempat instrumen dipasang
Alat Penghitung Benih Ikan Berbasis Kecerdasan Buatan
(Politeknik Negeri Batam, 2024-07-19) Rahmatullah, Fajar.;
Konsumsi ikan yang tinggi di Indonesia mendorong pertumbuhan usaha budidaya ikan, di mana pembenihan ikan menjadi langkah awal yang sangat penting. Namun, metode manual dalam menghitung benih ikan sering kali tidak efisien dan memakan waktu. Penelitian ini bertujuan untuk mengatasi masalah tersebut dengan mengembangkan sistem penghitung benih ikan otomatis yang memanfaatkan teknologi computer vision berbasis kecerdasan buatan. Penelitian ini adalah kelanjutan dari kegiatan Project-Based Learning (PBL) di Politeknik Negeri Batam, dengan fokus pada perbaikan akurasi dan kualitas model deteksi. Dalam penelitian ini, metode object detection diterapkan menggunakan Convolutional Neural Network (CNN) dengan arsitektur Single Shot MultiBox Detector (SSD) MobileDet. Sistem ini dirancang untuk mendeteksi benih ikan dalam gambar dengan memanfaatkan pemrosesan citra yang memperhitungkan pengaruh warna air dan pencahayaan. Evaluasi model menunjukkan peningkatan performa yang signifikan dalam parameter yang tersedia melalui tensorboard seperti Mean Average Precision (mAP), Learning Rate, dan Total Loss selama proses pelatihan. Pengujian dilakukan dalam wadah transparan berwarna putih dengan air jernih untuk meningkatkan kualitas deteksi. Meskipun model yang dilatih hanya dengan menggunakan laptop dengan bantuan CPU, penelitian ini menunjukkan hasil yang cukup baik. Namun terdapat penurunan kemampuan deteksi ikan pada jarak 40-50 cm dengan skala rata-rata deteksi antara 3 dari 10. Faktor-faktor yang mempengaruhi deteksi termasuk batasan dataset yang terbatas pada jarak pelatihan, kondisi pencahayaan, dan keterbatasan sumber daya pelatihan. Penelitian ini menyimpulkan bahwa untuk mengoptimalkan deteksi benih ikan dengan computer vision, diperlukan peningkatan variasi dan kualitas dataset serta penggunaan sumber daya pelatihan yang lebih memadai.
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.
Aplikasi Pembaca Gambar Rontgen Berbasis AI
(2024-06-12) Samudra, Galang; Sugandi, Budi
Abstrak Paru-paru merupakan organ pernapasan yang sangat penting bagi tubuh manusia. Apabila tidak diperhatikan dengan baik, maka dapat menyebabkan timbulnya penyakit pada paru-paru. Sepert penyakit pneumonia yang dimana satu anak meninggal akibat pneumonia setiap 39 detik. Indonesia menempati peringkat ketiga setelah India dan Cina dalam kasus TBC paru. Pada pandemi covid-19 terdapat 6.812.127 kasus terkonfirmasi di Indonesia. Kelainan pada paru dapat dilihat melalui X-ray . X-ray merupakan tindakan medis yang menggunakan gelombang radiasi sinar X dengan tipe warna grayscale. Ketika dokter spesialis menganalisis gambar x-ray dalam jumlah yang banyak, hal tersebut tentu melelahkan dan membutuhkan fokus yang tinggi. Convolutional Neural Network (CNN) saat ini banyak digunakan untuk mengklasifikasi, baik itu gambar ataupun video. Banyak penelitian yang menggunakan metode CNN untuk membaca dan mengidentifikasi penyakit dengan menggunakan gambar rontgen. Serta dengan penggunaan arsitektur turunan CNN yaitu DenseNet121 yang digunakan untuk melatih kembali model keluaran CNN, yang bertujuan untuk meningkatkan keefektifan model dalam mengklasifikasi gambar rontgen. Dan penelitian ini bertujuan untuk membuat User Interface yang menggunakan implementasi dari hasil klasifikasi CNN. Dan dapat membaca gambar x-ray tidak hanya satu tetapi lebih dari dua dalam satu waktu dan proses pengidentifikasian yang cepat dan mudah dalam pengoperasiannya. Dan juga dapat dilihat hasil akurasi pada pembacaan gambar x-ray sebagai hasil akhir dari proses penelitian ini didapatkan hasil akurasi sebesar 92%. Model terintegrasi dengan Graphical User Interface (GUI) dapat melakukan klasifikasi terhadap 4 kondisi pada gambar x-ray . Kata kunci: Paru-paru, Gambar X-ray , Convolutional Neural Network, DenseNet121.
Smart home: Pintu Otomatis Berbasis Voice Recognition
(Jurnal Integrasi, 2024-01-29) Sihombing, Fitri Andini; Setiawan, Afif; Herlina, Gise; Milala, Gerry Ibnu Luthfi Sembiring; Jefiza, Adlian; Puspita, Widya Rika; Firdaus, Fadli
Perkembangan Smart home saat sekarang ini tidak hanya digunakan sebagai otomatisasi dan monitoring suatu ruangan, namun juga digunakan sebagai pengamanan atau biasa disebut security. Salah satu bentuk teknologi security smart home adalah kunci pintu otomatis yang dipasang pada salah satu laboratorium di Politeknik Negeri Batam. Perangkat kunci pintu otomatis dibuat dengan menggunakan pengenalan suara sebagai masukan perintah. User dapat memberikan kata Open untuk membuka kunci pintu dan Close untuk mengunci pintu. Selenoid Door Lock digunakan sebagai alat untuk pengunci pintu, serta LED dan Speaker digunakan sebagai informasi. Alat diuji dengan memberikan perintah oleh user yang telah diregistrasi dan yang belum diregistrasi. Hasil pengujian nya adalah 100% alat bekerja untuk user yang teregistrasi dengan intonasi suara normal, 77 % alat bekerja pada user tidak teregistrasi dengan intonasi suara normal, 48 % alat bekerja untuk user teregistrasi untuk intonasi suara tidak normal dan 43 % alat bekerja untuk user yang tidak teregistrasi dengan intonasi suara tidak normal. Dengan demikian, rata-rata alat bekerja dengan baik sebesar 67 %.
Pemantauan dan Pengendalian Lampu Rumah Tangga menggunakan Framework Home Assistant
(Politeknik Negeri Batam, 2024-06-19) Prasetyo, Aji; Diono
Padatnya aktivitas ketika sedang di luar rumah, kebanyakan pemilik rumah mengalami kesulitan dalam memantau dan mengendalikan peralatan elektronik yang ada di rumah. Peralatan yang di pantau adalah Lampu rumah,dimana saat kita berada di luar rumah lampu terkadang lupa untuk di matikan.Salah satu alternatif pemantauan dan pengendalian lampu rumah yaitu dengan menggunakan fasilitas WiFi sebagai media pembawa dan penerima informasi dengan keunggulan dapat digunakan dimanapun dan kapanpun.Penggunaan device SONOFF dimana, SONOFF yang terintegrasi dengan modul WiFi dapat menjadi solusi untuk memantau dan mengendalikan Lampu atau perangkat elektronik lainnya. Mikrokontroler Raspberry Pi digunakan sebagai pengolah dan pengendali yang dihubungkan ke device SONOFF dimana Raspberry Pi yang dihubungkan ke WiFi melalui Router untuk mengoperasikan Framework Home Asisstant. Pada penelitian kali ini variabel yang di pantau adalah keadaan lampu yang dapat di kendalikan menggunakan web dan dapat di kontrol melalui smartphone dari jarak jauh. Kelebihan dari perangkat pemantauan adalah jarak tidak berpengaruh terhadap alat. Akan tetapi, koneksi WiFi yang terhubung pada alat sangat berpengaruh dalam proses pemantauan dan pengendaliann lampu rumah tangga.

D4 Teknik Mekatronika

Browse

Filters

Settings

Sort By

Results per page

Search Results