{"title":"Evaluasi Penerapan Smart Mobility di Jakarta","authors":"Sifa Novwidia Agni, Manzila Izniardi Djomiy, Roki Fernando, Catur Apriono","doi":"10.22146/jnteti.v10i3.1730","DOIUrl":"https://doi.org/10.22146/jnteti.v10i3.1730","url":null,"abstract":"Masalah perkotaan, seperti kemacetan yang disebabkan olah pertumbuhan jumlah penduduk yang sangat pesat dan arus urbanisasi yang tinggi, menjadi masalah yang umum di kota besar seperti Jakarta. Konsep smart city sudah berkembang dan mulai diimplementasikan di beberapa kota besar di Indonesia, termasuk Jakarta. Salah satu bagian dari konsep smart city adalah smart mobility, yang saat ini berkembang untuk menyelesaikan berbagai masalah perkotaan, khususnya pada transportasi publik untuk meningkatkan kualitas layanan yang efektif dan efisien. Makalah ini membahas solusi penerapan konsep smart mobility di Jakarta berdasarkan tingkat kesiapan dari setiap indikatornya menurut indikator yang terdapat dalam konsep smart city. Tujuan makalah ini adalah untuk memberikan gambaran tentang tingkat kesiapan penerapan smart mobility di Jakarta serta perbaikan yang perlu dilakukan. Makalah ini menggunakan metode studi literatur untuk mendapatkan gambaran awal kondisi di Jakarta, lalu penilaian menggunakan assessment data survei serta analisis kualitatif dekskriptif. Hasilnya menunjukkan bahwa pada dasarnya Jakarta sudah siap dalam penerapan smart mobility, tetapi perlu ada perbaikan dan pengadaan di beberapa aspek smart mobility.","PeriodicalId":31477,"journal":{"name":"Jurnal Nasional Teknik Elektro dan Teknologi Informasi","volume":"167 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2021-08-26","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"74343036","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"Perancangan Kontrol Pelacakan Lintasan untuk Robot Otonom Bergerak Beroda dengan Penggerak Diferensial","authors":"Stephen I.C. Gulo, Tua Tamba","doi":"10.22146/jnteti.v10i3.1454","DOIUrl":"https://doi.org/10.22146/jnteti.v10i3.1454","url":null,"abstract":"Robot bergerak beroda dengan penggerak diferensial (DDWMR) merupakan salah satu jenis robot bergerak yang telah digunakan di berbagai aplikasi karena kemampuan mobilitasnya. Salah satu isu penting dalam desain DDWMR adalah terkait penentuan metode kontrol untuk memastikan DDWMR tersebut dapat berpindah secara otonom dari satu pose awal menuju pose akhir tertentu. Tantangan utama pada isu tersebut adalah perlunya merancang pengontrol yang mampu mengatasi batasan non-holonomic pada pergerakan DDWMR. Untuk menjawab tantangan tersebut, makalah ini mengajukan suatu metode kontrol yang menggabungkan teknik perancangan lintasan halus dan teknik kontrol pelacakan lintasan berbasis analisis kestabilan Lyapunov. Pada metode yang diajukan, lintasan referensi berbentuk fungsi polinomial terlebih dahulu dirancang untuk menghubungkan pose awal dan akhir DDWMR yang diinginkan berdasarkan informasi titik jalan (waypoints) di antara keduanya. Sinyal kontrol umpan balik berbasis metode kestabilan Lyapunov kemudian dirancang untuk mengontrol DDWMR dalam mengikuti lintasan referensi yang diperoleh dengan error pelacakan seminimal mungkin. Hasil simulasi numerik ditunjukkan untuk mengilustrasikan keandalan metode kontrol yang diusulkan.","PeriodicalId":31477,"journal":{"name":"Jurnal Nasional Teknik Elektro dan Teknologi Informasi","volume":"1 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2021-08-26","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"90181918","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"Desain Antena Mikrostrip UWB dengan Peningkatan Lebar pita dan Karakteristik Triple Notch Band","authors":"Harfan Hian Ryanu, D. Setiawan, Edwar.","doi":"10.22146/jnteti.v10i3.1878","DOIUrl":"https://doi.org/10.22146/jnteti.v10i3.1878","url":null,"abstract":"Antena Ultra-Wideband (UWB) dengan karakteristik natural pita lebar adalah solusi yang baik dalam memenuhi kebutuhan perkembangan teknologi nirkabel yang saat ini membutuhkan antena yang dapat beroperasi pada beberapa pita layanan sekaligus. Namun, antena UWB tidak terlepas dari permasalahan interferensi elektromagnetik pada beberapa layanan yang tidak digunakan. Oleh karena itu, diperlukan modifikasi pada antena UWB agar dapat mengatasi permasalahan interferensi elektromagnetik tersebut. Dalam makalah ini, perancangan antena mikrostrip UWB berbentuk heksagonal monopole planar dengan karakteristik peningkatan lebar pita menggunakan struktur Electromagnetic Band Gap (EBG) dan triple notch band dengan menggunakan tiga jenis slot telah dilakukan. Pengujian dilakukan dengan mengintegrasikan struktur EBG untuk dapat bekerja pada rentang lebar pita 2,8–16 GHz pada antena, lalu menambahkan kombinasi slot berbentuk huruf L, slot horizontal, dan slot melingkar dengan ukuran dimensi yang berbeda ke dalam patch untuk mendapatkan penolakan tiga pita frekuensi, yaitu pada frekuensi WLAN (4,9−6,2 GHz), komunikasi downlink satelit X-Band (7,1−7,6 GHz), dan komunikasi Direct Broadcasting Satellite (DBS) (12,2−12,7 GHz). Dengan metode ini, berhasil diperoleh peningkatan lebar pita antena UWB dari 7,72 GHz menjadi sebesar 13,22 GHz, tanpa mengubah karakteristik pola radiasi antena. Penambahan tiga notch band juga berhasil diimplementasikan tanpa harus mengubah dimensi antena keseluruhan, yaitu sebesar 35,6 mm × 27,3 mm.","PeriodicalId":31477,"journal":{"name":"Jurnal Nasional Teknik Elektro dan Teknologi Informasi","volume":"16 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2021-08-26","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"81905064","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"Pengaruh Parameter Motor pada Sistem Kendali tanpa Sensor Putaran","authors":"Bernadeta Wuri Harini","doi":"10.22146/jnteti.v10i3.1848","DOIUrl":"https://doi.org/10.22146/jnteti.v10i3.1848","url":null,"abstract":"Dalam pengendalian motor sinkron magnet permanen (Permanent Magnet Synchronous Motor/PMSM) tanpa menggunakan sensor putaran dibutuhkan beberapa data parameter motor. Di antara parameter motor yang digunakan dalam pengendalian tersebut adalah resistans dan induktans stator serta fluks magnetik. Pada makalah ini dianalisis pengaruh nilai-nilai parameter tersebut dalam pengendalian motor tanpa sensor putaran. Nilai-nilai parameter divariasikan sehingga nilai-nilai parameter motor yang ada di pengendali arus berbeda dengan nilai-nilai parameter motor yang sebenarnya. Besar persentase variasi masing-masing parameter berbeda-beda, tergantung pada pengaruh parameter tersebut terhadap pengendalian. Putaran motor yang diinginkan adalah 100 rad/s dengan pengaturan konstanta-konstanta pengendali KP = 0,5 dan Ki = 0,9. Nilai penguatan pengendali (KP dan Ki) diperoleh dengan metode penalaan heuristic. Simulasi dilakukan untuk beberapa perbedaan nilai parameter menggunakan Simulink. Dari ketiga parameter tersebut, perubahan nilai resistans dan fluks magnetik paling memengaruhi sistem kendali. Putaran motor tidak sama dengan putaran yang diinginkan jika perubahan nilai resistans ≥ 4% dan fluks magnetik ≥ 10%. Nilai-nilai induktans akan berpengaruh jika perubahan induktans sangat besar, yaitu sd L ≥ 500% dan sq L ≥ 300%.","PeriodicalId":31477,"journal":{"name":"Jurnal Nasional Teknik Elektro dan Teknologi Informasi","volume":"35 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2021-08-26","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"80621424","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"Alokasi Optimal DG Sumber Energi Terbarukan Menggunakan Algoritme Multi-Verse Optimizer","authors":"Firdaus, O. Penangsang, R. Wibowo, Umar","doi":"10.22146/jnteti.v10i3.1462","DOIUrl":"https://doi.org/10.22146/jnteti.v10i3.1462","url":null,"abstract":"Dalam situasi saat ini, meminimalkan kehilangan daya pada jaringan distribusi maupun transmisi merupakan salah satu tantangan penelitian. Kehilangan daya yang tinggi terjadi ketika beban yang terhubung pada jaringan distribusi jauh dari pembangkit listrik. Alokasi yang optimal untuk Distributed Generation (DG) sumber energi terbarukan adalah salah satu cara untuk meminimalkan kehilangan daya dan memperbaiki profil tegangan sistem distribusi. Penempatan yang tidak akurat menyebabkan peningkatan kehilangan daya, menurunkan profil tegangan, dan dapat memengaruhi kinerja sistem. Metode Multi-Verse Optimizer (MVO) digunakan untuk menempatkan DG sumber energi terbarukan di lokasi yang tepat. Hasil simulasi pada sistem 33 bus IEEE menunjukkan bahwa dengan penggunaan metode algoritme MVO untuk penambahan dua buah DG energi terbarukan diperoleh lokasi pada bus 18 dan 33 dengan tipe DG PV. Namun, apabila penambahan dua buah DG dilakukan dengan mempertimbangkan sifat intermiten, lokasi DG yang optimal dengan diperoleh kedua DG berada pada bus 18 dengan tipe DG Wind Turbine. Alokasi DG sumber energi terbarukan yang optimal mampu meminimalkan rugi daya aktif 11,8 kV dan daya reaktif 8,2 kVAr serta menaikkan profil tegangan di atas 0,95 pu pada bus under voltage.","PeriodicalId":31477,"journal":{"name":"Jurnal Nasional Teknik Elektro dan Teknologi Informasi","volume":"1 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2021-08-26","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"89669622","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Muhammad Dzaky Ashidqi, Miftahul Anwar, Chico Hermanu B.A., Agus Ramelan, feri. adriyanto
{"title":"Fuzzy Logic Implementation for Accurate Electric Car Battery SoC Measurement","authors":"Muhammad Dzaky Ashidqi, Miftahul Anwar, Chico Hermanu B.A., Agus Ramelan, feri. adriyanto","doi":"10.22146/jnteti.v10i3.1885","DOIUrl":"https://doi.org/10.22146/jnteti.v10i3.1885","url":null,"abstract":"Changes in temperature can affect the accuracy of the estimated SoC value based on voltage. In this study, fuzzy logic was implemented to correct the SoC estimation error caused by the influence of temperature. The system acquired data through sensors and then processed it using the Arduino microcontroller. Parameters in the form of voltage, temperature, and current were processed by Arduino with a fuzzy logic program which was uploaded into it and produced the output of the estimated SoC value. From the observations, it was found that the estimated SoC value from this method had better accuracy with a smaller error than the SoC estimation based on voltage alone. Using the RMSE method, the errors calculated in this method in the process of charging and discharging without running were 2.26 and 7.74, while the SoC estimation error based on voltage alone reached 4.88 and 12.8. In the discharging process with a running car, the SoC estimation results using fuzzy logic also showed accurate results. There was only 1% of SoC value increasing pattern during the discharging process, which the value trend should continue to decrease and should not be an increase. In addition, compared to the previous method applied to the same research object, namely the chemical equilibrium constant method, this method also showed more accurate results.","PeriodicalId":31477,"journal":{"name":"Jurnal Nasional Teknik Elektro dan Teknologi Informasi","volume":"520 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2021-08-26","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"77089568","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"Regresi Linear untuk Mengurangi Bias Sistem Penilaian Uraian Singkat","authors":"Silmi Fauziati, Adhistya Erna Permanasari, Indriana Hidayah, Eko Wahyu Nugroho, Bobby Rian Dewangga","doi":"10.22146/jnteti.v10i3.1983","DOIUrl":"https://doi.org/10.22146/jnteti.v10i3.1983","url":null,"abstract":"Makalah ini bertujuan untuk memperbaiki kinerja sistem penilaian tes uraian singkat. Perbaikan kinerja tersebut dilakukan dengan menambahkan regresi linear sederhana pada keluaran gabungan metode cosine similarity (dengan pembobotan frekuensi kata berbasis metode Term Frequency-Inverse Document Frequency (TF-IDF)) dan mekanisme pencocokan kata. Regresi linear dilakukan dengan menjadikan nilai uraian singkat (hasil cosine similarity dan pencocokan kata) sebagai variabel regressor. Untuk mengetahui efektivitas sistem penilaian yang diusulkan, diukur kinerja sistem penilaian relatif terhadap nilai manual yang dilakukan oleh dosen. Diperoleh bahwa sebelum dilakukan regresi linear, sistem penilaian cenderung mengeluarkan nilai lebih tinggi (nilai mengalami bias) dibandingkan nilai manual yang dilakukan dosen. Regresi linear memperbaiki kinerja sistem penilaian tersebut dengan mengurangi bias penilaian secara signifikan, yaitu nilai yang diberikan tidak cenderung lebih tinggi maupun lebih rendah daripada nilai manual oleh dosen. Bahwa bias penilaian dapat diturunkan secara signifikan dengan metode yang sederhana, yaitu regresi linear, diharapkan dapat memberikan kontribusi terhadap akselerasi proses penerapan sistem penilaian otomatis untuk tes uraian pada teknologi pembelajaran dalam jaringan seperti e-learning.","PeriodicalId":31477,"journal":{"name":"Jurnal Nasional Teknik Elektro dan Teknologi Informasi","volume":"49 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2021-08-26","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"90597432","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"Klasifikasi Aktivitas Manusia Menggunakan Extreme Learning Machine dan Seleksi Fitur Information Gain","authors":"Fitra A. Bachtiar, Fajar Pradana, Issa Arwani","doi":"10.22146/jnteti.v10i3.1451","DOIUrl":"https://doi.org/10.22146/jnteti.v10i3.1451","url":null,"abstract":"Human activity recognition has various benefits in daily lives. However, research in this area is still facing problems that is, unobtrusive data gathering, high dimensionality features, and the algorithm used to classify human activities. Those problems could impact in the result of the developed model. This research is a preliminary study in human activity recognition. Five common human activity will be recognized that is, walking, walking upstairs, walking downstairs, sitting, and standing. The dataset used in this study consist of 1500 data rows and 561 features. Feature selection is performed prior to the modeling step. Information Gain is used as the feature selection in which percentile method is used to subset the number of features in the dataset. The features are then normalized and will classified using ELM. Number of optimal hidden neuron will be searched to yield high predictive accuracy. The results show 240 feature subsets return the higher accuracy. A number of 100 hidden neuron results in highest predictive classification of human activity recognition. The classification results yield accuracy, precision, recall, and F1-score of 0.85.","PeriodicalId":31477,"journal":{"name":"Jurnal Nasional Teknik Elektro dan Teknologi Informasi","volume":"36 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2021-08-26","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"73735997","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"Aspect Category Classification dengan Pendekatan Machine Learning Menggunakan Dataset Bahasa Indonesia","authors":"Syaifulloh Amien Pandega Perdana, Teguh Bharata Aji, Ridi Ferdiana","doi":"10.22146/jnteti.v10i3.1819","DOIUrl":"https://doi.org/10.22146/jnteti.v10i3.1819","url":null,"abstract":"Ulasan pelanggan merupakan opini terhadap kualitas barang atau jasa yang dirasakan konsumen. Ulasan pelanggan mengandung informasi yang berguna bagi konsumen maupun penyedia barang atau jasa. Ketersediaan ulasan pelanggan dalam jumlah besar pada website membutuhkan suatu framework untuk mengekstraksi sentimen secara otomatis. Sebuah ulasan pelanggan sering kali mengandung banyak aspek sehingga Aspect Based Sentiment Analysis (ABSA) harus digunakan untuk mengetahui polaritas masing-masing aspek. Salah satu tugas penting dalam ABSA adalah Aspect Category Detection. Metode machine learning untuk Aspect Category Detection sudah banyak dilakukan pada domain berbahasa Inggris, tetapi pada domain bahasa Indonesia masih sedikit. Makalah ini membandingkan kinerja tiga algoritme machine learning, yaitu Naïve Bayes (NB), Support Vector Machine (SVM), dan Random Forest (RF) pada ulasan pelanggan berbahasa Indonesia menggunakan Term Frequency–Inverse Document Frequency (TF-IDF) sebagai term weighting. Hasil menunjukkan bahwa RF memiliki kinerja paling unggul dibandingkan NB dan SVM pada tiga domain yang berbeda, yaitu restoran, hotel, dan e-commerce, dengan nilai f1-score untuk masing-masing domain adalah 84.3%, 85.7%, dan 89,3%.","PeriodicalId":31477,"journal":{"name":"Jurnal Nasional Teknik Elektro dan Teknologi Informasi","volume":"112 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2021-08-26","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"76742894","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"Data Benchmark pada Google BigQuery dan Elasticsearch","authors":"Nisrina Akbar Rizky Putri, Widyawan, T. B. Adji","doi":"10.22146/jnteti.v10i3.1745","DOIUrl":"https://doi.org/10.22146/jnteti.v10i3.1745","url":null,"abstract":"Cloud di masa kini tidak hanya berfungsi sebagai media penyimpanan data, tetapi dapat digunakan juga sebagai media untuk mengelola ataupun menganalisis suatu data. Google menawarkan Google BigQuery sebagai platform yang mampu mengelola dan menganalisis data, sedangkan Elasticsearch merupakan mesin pencari dan analisis yang dapat digunakan untuk menganalisis data dengan menggunakan Kibana. Dengan menggunakan dataset berupa cuitan hasil proses crawling melalui http://netlytic.org/ yang mengandung tagar #COVID19 dan #coronavirus, data tersebut dianalisis dan digunakan untuk membandingkan kinerjanya dengan benchmark. Benchmark merupakan proses yang digunakan untuk mengukur dan membandingkan kinerja terhadap sebuah aktivitas, sehingga tercapai tingkat kinerja yang diinginkan. Data benchmark dilakukan pada kedua platfrom untuk menghasilkan atau mengetahui beban kerja dari platfrom. Hasil akhir yang didapatkan menunjukkan bahwa Google BigQuery memiliki hasil yang lebih unggul, baik dari wadah upload untuk dataset yang lebih besar dibandingkan Elasticsearch dan dengan dua model pengujian kueri. Waktu pengelolaan kueri pada Google BigQuery juga lebih singkat dan cepat dibandingkan dengan Elasticsearch. Selain itu, hasil visualisasi dari kedua platform ini memiliki jumlah persentase yang sama.","PeriodicalId":31477,"journal":{"name":"Jurnal Nasional Teknik Elektro dan Teknologi Informasi","volume":"74 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2021-08-26","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"76311795","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}