ALINIER: Journal of Artificial Intelligence & Applications

Perancangan Sensor NPK Menggunakan JST Sebagai Pengambil Keputusan

Yuyut Chafid Ainurohman — 2026-05-06

Penelitian ini bertujuan untuk merancang sistem pemantauan unsur hara tanah berbasis sesnsor dan Jaringan Syaraf Tiruan (JST). Sensor dirancang menggunakan dua elektroda stainless steel yang berfungsi mendeteksi sinyal impulse tanah. Hasil pengukuran kemudian dikirimkan ke komputer melalui modul ESP32 menggunakan jaringan Wi-Fi, dan selanjutnya dianalisis dengan model JST berbasis Python serta TensorFlow. Arsitektur JST yang digunakan terdiri dari 100 node pada input, 32 node pada satu lapisan hidden, dan 5 node pada output yang ditujukan untuk memperkirakan nilai pH, nitrogen (N), Phospor (P), kalium (K), serta kelembaban tanah.. Hasil evaluasi menunjukkan bahwa model mampu memprediksi pH dengan cukup baik, namun akurasi prediksi unsur lainnya masih rendah, terutama pada Nitrogen dan Kalium. Evaluasi model menunjukkan MAE 14,2549, MSE 728,139, dan R² Score -0,9882. Hasil penelitian menunjukkan bahwa sistem telah berfungsi dalam memprediksi unsur hara tanah secara sistematis, dan dapat ditingkatkan lebih lanjut agar lebih optimal dalam mendukung praktik pertanian presisi.

Monitoring dan Optimasi Daya Mesin Bubut Konvensional Berbasis PZEM-004T dan Arduino

Adham Prayoga Prayoga — 2026-05-06

Penelitian ini menganalisis dan mengoptimalkan konsumsi daya listrik pada mesin bubut konvensional di industri manufaktur skala kecil. Mesin bubut sering beroperasi tanpa pemantauan sehingga terjadi pemborosan energi, terutama saat idle. Untuk mengatasi hal tersebut, digunakan sistem monitoring berbasis Arduino Uno dan sensor PZEM-004T yang dipasang pada tiap fasa, dengan hasil ditampilkan secara langsung pada LCD 16x2. Pengujian dilakukan di Bengkel Fortuna Jaya dengan tiga kondisi operasi: tanpa beban (idle), beban velg, dan beban ass hidrolis, dengan variasi kecepatan 20–1250 rpm. Hasil penelitian menunjukkan bahwa semakin tinggi kecepatan dan semakin berat beban, konsumsi daya semakin meningkat dengan nilai tertinggi mencapai 582 Watt. Tingkat akurasi sistem cukup baik dengan error 20,8% pada kondisi tanpa beban, 3,4% pada beban velg, dan 7,5% pada beban ass hidrolis. Implementasi sistem ini berpotensi menghemat hingga 56 kWh per bulan per mesin jika idle time dapat dikurangi. Dengan demikian, sistem monitoring ini menjadi solusi murah dan efektif untuk meningkatkan efisiensi energi di industri kecil

Analisis Daya Listrik terhadap Kekerasan Baja dan Aluminium pada Mesin Bubut

Yusuf Yulistio Putra — 2026-05-06

Penelitian ini diarahkan untuk mengidentifikasi pengaruh kekerasan material pada konsumsi daya mesin bubut konvensional. Metode eksperimen dilakukan dengan membandingkan pembubutan baja campuran (43 HRC) dan aluminium dural 6061 (23,5 HRC) menggunakan sistem monitoring berbasis sensor PZEM-004T dan Arduino UNO. Hasil menunjukkan bahwa baja membutuhkan daya 494–592 Watt, sedangkan aluminium hanya 261–326 Watt pada kecepatan putar 100 RPM dan kedalaman potong 1 mm. Analisis statistik menghasilkan deviasi absolut 5,81% untuk baja dan 5,91% untuk aluminium, membuktikan akurasi sistem pengukuran. Penelitian ini menyimpulkan bahwa material dengan kekerasan lebih tinggi memerlukan konsumsi daya lebih besar, sehingga dapat menjadi pertimbangan dalam optimasi efisiensi energi di industri manufaktur.

Kendali ANN Motor BLDC sebagai Alternatif Kontroler PID: Studi Komparatif Simulasi

Mahendra Putra Pratama — 2026-05-06

Motor Brushless Direct Current (BLDC) banyak digunakan di industri karena efisiensi dan keandalannya, namun pengendalian kecepatannya sulit akibat sifat non-linear dan kompleksitas responsnya. Kontroler PID masih umum digunakan, tetapi kinerjanya bergantung pada tuning parameter gain. Penelitian ini mengusulkan Artificial Neural Network (ANN) sebagai alternatif PID dengan memanfaatkan data PID untuk pelatihan jaringan saraf menggunakan backpropagation. Simulasi MATLAB/Simulink membandingkan kinerja keduanya pada kondisi tanpa beban dan berbeban. Respon transien ANN saat akselerasi menunjukkan nilai rata-rata overshoot 0.1873%, rise time 0.0216s, settling time 3.0291s, dan respon steady-state error menunjukkan 0.1422%. Sedangkan pada saat deselerasi menunjukkan nilai rata-rata overshoot 0.4314%, rise time 0.8203s, settling time 3.9861s, dan respon steady-state error menunjukkan 1.0184%. ANN terbukti menghasilkan overshoot lebih rendah, respons lebih cepat, dan steady-state error lebih kecil dibanding PID, serta adaptif terhadap variasi beban dan kecepatan tanpa tuning manual, sehingga berpotensi menjadi solusi pengendalian BLDC di industri.

Kompensasi Faktor Daya Motor Induksi 3 Phasa dengan Fuzzy Logic Menggunakan Matlab Simulink

Sofyan Fikri — 2026-05-06

Penelitian ini mengembangkan sistem kompensasi daya reaktif untuk motor induksi 3 fasa di bengkel bubut menggunakan Fuzzy Logic Controller (FLC) melalui MATLAB Simulink. Sistem dimodelkan dengan dua motor induksi (10 HP dan 2 HP) dan beban RLC (5-10 kVAR), menggunakan tiga kapasitor bank (3, 6, dan 9 kVAR). Hasil simulasi menunjukkan faktor daya optimal 0.99 pada beban 5 kVAR tanpa kapasitor tambahan, sedangkan beban 10 kVAR memerlukan aktivasi kapasitor untuk mencapai faktor daya 0.90-0.94. Analisis dinamika sistem mencatat overshoot 5-10%, rise time 0.02 detik, dan settling time 0.15-0.25 detik, membuktikan stabilitas dan respons cepat sistem. Penelitian ini menyajikan solusi praktis dan ekonomis untuk meningkatkan efisiensi energi di bengkel bubut melalui kompensasi daya reaktif adaptif berbasis FLC, yang mampu menyesuaikan diri dengan variasi beban secara efektif.