D4 Teknik Mekatronika

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

Browse

Start date: 2022Subject: search.filters.subject.TECHNOLOGY

Search Results

Now showing 1 - 6 of 6
  • Repository Politeknik Negeri Batam
    Item
    Perbandingan Metode K-NN, SVM dan Decision Tree Pada Klasifikasi Kondisi Air Kolam Bioflok Nongsa
    (Politeknik Negeri Batam, 2024-07-01) Wijanarko, Heru; Jefiza, Adlian; Al Fajri, Muhammad; Syah Putra, Firman Dwi; Dowo Ruron, Andreas Prasetyo; Wijanarko, Heru; Jefiza, Adlian
    Kolam bioflok merupakan salah satu teknologi budidaya perikanan yang saat ini sedang berkembang karena dapat memberikan beberapa keuntungan bagi pembudidaya ikan. Dalam budidaya ikan, fungsi air memegang peranan penting dalam keberlangsungan hidup ikan, sehingga kondisi air kolam, termasuk pH, ammonia, dan larutan oksigen, harus dipantau. Namun, para pembudidaya ikan saat ini memiliki tantangan untuk memantau kualitas air pada saat itu. Hal tersebut membuat sulitnya menentukan kualitas air kolam bioflok. Jika ketiga hal tersebut tidak dijaga dengan baik, banyak bakteri dan virus yang dapat mengancam kestabilan kondisi air dan kesehatan ikan itu sendiri. Oleh karena itu, pemantauan kondisi air menjadi sangat penting, dan penelitian ini berfokus pada pembuatan alat monitoring untuk mengetahui kadar pH, amonia, dan oksigen pada air kolam. Selain membuat alat monitoring, penelitian ini juga mengklasifikasikan kondisi air kolam. Metode pengklasifikasian menggunakan tiga algoritma: K-Nearest Neighbors, Support Vector Machine, dan Decision Tree. Berdasarkan ketiga metode klasifikasi tersebut, didapatkan hasil performa sebesar 97% untuk KNN, 92% untuk SVM, dan 99,25% untuk Decision Tree. Dari perbandingan performa ketiga metode tersebut, didapatkan hasil bahwa metode Decision Tree adalah yang terbaik dibandingkan dengan metode KNN dan SVM.
  • Repository Politeknik Negeri Batam
    Item
    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
  • Repository Politeknik Negeri Batam
    Item
    Graphical User Interface untuk Human Machine Interface Menggunakan Raspberry Pi
    (2024-07-17) Fauziyah, Rifdah Nur; Mulyadi, Indra Hardian
    Dengan perkembangan ilmu pengetahuan dan teknologi, banyak alat yang mempermudah pekerjaan manusia. Salah satu bidang yang mendukung hal ini adalah computer vision. Penelitian ini bertujuan menjadikan Raspberry Pi sebagai pilihan dalam pembuatan HMI (Human Machine Interface) pada mesin. Metode yang digunakan untuk pelacakan objek adalah ruang warna YCbCr. Raspberry Pi adalah komputer papan tunggal. Penelitian ini membangun aplikasi GUI (Graphic User Interface) yang menampilkan hasil pelacakan objek menggunakan metode YCbCr. YCbCr terdiri dari komponen luminansi yang merepresentasikan warna RGB, serta komponen Cb dan Cr yang merepresentasikan krominansi, yaitu corak warna dan saturasi. GUI pada HMI menggunakan Windows form dengan bahasa C#. Hasil pelacakan objek memberikan nilai input pada PLC sebagai pusat kendali mesin, menggunakan komunikasi TCP/IP. Selain mengendalikan, HMI juga menampilkan pelacakan objek dan menyimpan data jumlah produk terlacak. Ini memudahkan pengguna dalam mengoperasikan dan mendapatkan data terkait produk yang dikerjakan. Cara kerja mesin dan HMI ini adalah pengguna mengatur warna yang akan dilacak. Jika kamera mendeteksi objek dengan warna yang sesuai, mesin melanjutkan proses. Jika tidak, mesin tidak memproses objek ke tahap selanjutnya. Ini memastikan warna objek yang terdeteksi sesuai dengan yang diinginkan pengguna, memudahkan proses sortir warna objek yang sedang dikerjakan. Hasil penelitian ini menunjukkan bahwa Raspberry Pi dapat digunakan untuk merancang mesin otomasi. Penelitian ini menggunakan Windows pada Raspberry Pi karena Raspbian tidak mendukung webcam yang digunakan. Namun, penggunaan Windows menyebabkan penggunaan memori mencapai batas maksimum, mengurangi efisiensi Raspberry Pi sebagai HMI. Jika HMI tidak memerlukan kamera, Raspbian dapat digunakan untuk mengurangi penggunaan memori dibandingkan dengan Windows.
  • Repository Politeknik Negeri Batam
    Item
    Sistem Pendeteksi Objek Berbasis Ruangan Warna YCbCr untuk Human Machine Interface Menggunakan Raspberry Pi
    (2024-07-17) Marzukie, Naufal Hanif; Mulyadi, Indra Hardian
    Dengan perkembangan ilmu pengetahuan dan teknologi, banyak alat yang mempermudah pekerjaan manusia. Salah satu bidang yang mendukung hal ini adalah computer vision. Penelitian ini bertujuan menjadikan Raspberry Pi sebagai pilihan dalam pembuatan HMI (Human Machine Interface) pada mesin. Metode yang digunakan untuk pelacakan objek adalah ruang warna YCbCr. Raspberry Pi adalah komputer papan tunggal. Penelitian ini membangun aplikasi GUI (Graphic User Interface) yang menampilkan hasil pelacakan objek menggunakan metode YCbCr. YCbCr terdiri dari komponen luminansi yang merepresentasikan warna RGB, serta komponen Cb dan Cr yang merepresentasikan krominansi, yaitu corak warna dan saturasi. GUI pada HMI menggunakan Windows form dengan bahasa C#. Hasil pelacakan objek memberikan nilai input pada PLC sebagai pusat kendali mesin, menggunakan komunikasi TCP/IP. Selain mengendalikan, HMI juga menampilkan pelacakan objek dan menyimpan data jumlah produk terlacak. Ini memudahkan pengguna dalam mengoperasikan dan mendapatkan data terkait produk yang dikerjakan. Cara kerja mesin dan HMI ini adalah pengguna mengatur warna yang akan dilacak. Jika kamera mendeteksi objek dengan warna yang sesuai, mesin melanjutkan proses. Jika tidak, mesin tidak memproses objek ke tahap selanjutnya. Ini memastikan warna objek yang terdeteksi sesuai dengan yang diinginkan pengguna, memudahkan proses sortir warna objek yang sedang dikerjakan. Hasil penelitian ini menunjukkan bahwa Raspberry Pi dapat digunakan untuk merancang mesin otomasi. Penelitian ini menggunakan Windows pada Raspberry Pi karena Raspbian tidak mendukung webcam yang digunakan. Namun, penggunaan Windows menyebabkan penggunaan memori mencapai batas maksimum, mengurangi efisiensi Raspberry Pi sebagai HMI. Jika HMI tidak memerlukan kamera, Raspbian dapat digunakan untuk mengurangi penggunaan memori dibandingkan dengan Windows. Kata kunci: HMI, PLC, Raspberry, YcbCr
  • Repository Politeknik Negeri Batam
    Item
    Integrasi Programmable Logic Controller dan Human Machine Interface Menggunakan Raspberry Pi
    (2024-07-17) Pajri,Arizul; Mulyadi, Indra Hardian
    Dengan perkembangan ilmu pengetahuan dan teknologi, banyak alat yang mempermudah pekerjaan manusia. Salah satu bidang yang mendukung hal ini adalah computer vision. Penelitian ini bertujuan menjadikan Raspberry Pi sebagai pilihan dalam pembuatan HMI (Human Machine Interface) pada mesin. Metode yang digunakan untuk pelacakan objek adalah ruang warna YCbCr. Raspberry Pi adalah komputer papan tunggal. Penelitian ini membangun aplikasi GUI (Graphic User Interface) yang menampilkan hasil pelacakan objek menggunakan metode YCbCr. YCbCr terdiri dari komponen luminansi yang merepresentasikan warna RGB, serta komponen Cb dan Cr yang merepresentasikan krominansi, yaitu corak warna dan saturasi. GUI pada HMI menggunakan Windows form dengan bahasa C#. Hasil pelacakan objek memberikan nilai input pada PLC sebagai pusat kendali mesin, menggunakan komunikasi TCP/IP. Selain mengendalikan, HMI juga menampilkan pelacakan objek dan menyimpan data jumlah produk terlacak. Ini memudahkan pengguna dalam mengoperasikan dan mendapatkan data terkait produk yang dikerjakan. Cara kerja mesin dan HMI ini adalah pengguna mengatur warna yang akan dilacak. Jika kamera mendeteksi objek dengan warna yang sesuai, mesin melanjutkan proses. Jika tidak, mesin tidak memproses objek ke tahap selanjutnya. Ini memastikan warna objek yang terdeteksi sesuai dengan yang diinginkan pengguna, memudahkan proses sortir warna objek yang sedang dikerjakan. Hasil penelitian ini menunjukkan bahwa Raspberry Pi dapat digunakan untuk merancang mesin otomasi. Penelitian ini menggunakan Windows pada Raspberry Pi karena Raspbian tidak mendukung webcam yang digunakan. Namun, penggunaan Windows menyebabkan penggunaan memori mencapai batas maksimum, mengurangi efisiensi Raspberry Pi sebagai HMI. Jika HMI tidak memerlukan kamera, Raspbian dapat digunakan untuk mengurangi penggunaan memori dibandingkan dengan Windows. Kata kunci: HMI, PLC, Raspberry, YcbCr
  • Repository Politeknik Negeri Batam
    Item
    Pengukuran Leakage Current dan RDS pada Infrared Detector
    (2024-09-17) Kusumawati, Diyah; Mulyadi, Indra Hardiyan
    Pengukuran Leakage Current dan RDS pada Infrared Detector Pengukuran merupakan salah satu proses yang sangat penting di dalam dunia industri dan wajib dimiliki oleh perusahaan. Pengukuran dilakukan oleh Manufacturing Quality System (MQS) untuk mendapat nilai dai suatu product Infrared Detector (IR Detector). Salah satu komponen IR Detector yang menghantarkan arus yaitu Junction Field Effect Transistor (JFET). Penelitian ini bertujuan untuk menjadikan visual studio sebagai pengembangan dari aplikasi dengan menggunakan bahasa pemrograman C# dapat menampilkan data dari elektrometer dalam bentuk grafik dan angka. Pengukuran ini dilakukan dengan menggunakan elektrometer Keithley 6517A sebagai alat ukur. Dalam pengukuran ini dapat dilakukan pengambilan data sebanyak 5 pcs untuk setiap 1 pcs pengukuran membutuhkan waktu selama 10 detik dalam sekali pengukuran. Dengan menggunakan modul yang tertutup dan memanfaatkan Relay sebagai pengendali antar socket dan Arduino UNO sebagai mikrokontroler dalam pengembangan prototipe. Cara kerja dari alat ini adalah loading IR Detector ke socket selanjutnya elektrometer akan melakukan pengukuran nilai dari Leakage Current dan Resistance Drain and Source (RDS) dari IR Detector 1 sampai IR Detector 5. Selanjutnya data dari elektrometer akan tampil pada serial monitor di C# dan akan menampilkan grafik untuk Leakage Current dan menampilkan angka untuk RDS. Untuk pengukuran dalam jumlah yang banyak, data dari pengukuran ini dapat disimpan di database mySQL. Data dari pengukuran bisa langsung di generate ke MS.excel untuk mempermudah dalam analisa. Sistem yang dibuat ini akan membantu engineer dalam melakukan failure analysis yang tepat sasaran. Kata kunci: Arus Bocor, RDS, C#