D4 Teknik Mekatronika

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

Browse

Subject: search.filters.subject.Statistics, computer and systems science

Search Results

Now showing 1 - 5 of 5
  • 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
    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
    Integrasi Database pada Alat Penghitung Benih Ikan Otomatis Berbasis Kecerdasan Buatan
    (Politeknik Negeri Batam, 2025-01-23) Pangestu, Deni tri; Jamzuri, Eko Rudiawan
    Seiring dengan pesatnya perkembangan teknologi, dunia seolah-olah mendorong segala aspek kehidupan untuk bertransformasi ke dalam bentuk elektronik. Hal ini juga berlaku pada sistem penyimpanan data. Dahulu, data disimpan secara manual dengan mencatatnya di atas kertas, yang kemudian disimpan di antara tumpukan buku. Namun seiring kemajuan teknologi, sistem penyimpanan elektronik yang dikenal sebagai database telah menggantikan metode penyimpanan manual. Kehadiran database membawa berbagai manfaat, seperti efisiensi dalam penyimpanan data tanpa memerlukan ruang fisik yang besar, kemudahan dalam analisis data, kemampuan untuk meminimalkan risiko pemalsuan data, serta peningkatan keamanan data. Dalam penelitian yang berjudul “Integrasi Database Pada Alat Penghitung Benih Ikan Otomatis Berbasis Kecerdasan Buatan”, akan ditambahkan sebuah database sebagai media penyimpanan hasil penghitungan. Hal ini bertujuan untuk mengoptimalkan efektivitas penyimpanan dan pengelolaan data, sebagaimana manfaat yang telah disebutkan sebelumnya.
  • Repository Politeknik Negeri Batam
    Item
    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.
  • Repository Politeknik Negeri Batam
    Item
    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.