ALINIER: Journal of Artificial Intelligence & Applications

Rancang Bangun Mesin Penggulung Kumparan Motor Otomatis Berbasis Internet Of Things (IoT)

Moh Hasyim Asy'ari, Tijaniyah Tijaniyah, Maman Pribadi — Mon, 06 May 2024 00:00:00 +0000

Penggulungan kumparan motor secara manual memiliki beberapa kekurangan dibandingkan dengan mesin penggulungan otomatis antara lain penggulungan kumparan secara manual membutuhkan tenaga kerja yang lebih banyak, proses penggulungan manual cenderung kurang akurat karena tergantung pada kemampuan dan ketelitian operator, kualitas kumparan yang dihasilkan secara manual kemungkinakan tidak konsisten antara satu kumparan dengan kumparan lainnya. Untuk mengatasi kendala tersebut, salah satu hal yang dapat dilakukan adalah dengan mengganti mekanisme kerja dari sistem manual menjadi sistem otomatis. Oleh sebab itu diperlukan alat yang bisa mempermudah, memberikan efesiensi tenaga dan waktu. Maka dibuatlah alat mesin penggulung kumparan motor otomatis berbasis Internet of Things (IoT). Tujuan dari pembuatan mesin penggulung kumparan motor otomatis berbasis Internet of Things (IoT) adalah untuk memberikan efisiensi, akurasi, dan konsistensi dalam prosses penggulungan kumparan. Pengendalian ini dilakukan dengan pemberian nilai imputan dan pulsa/rev. Dari hasil penelitian tersebut diperoleh data hasil dari pengujian gerakan perpindahan lilitan kawat dengan pemberian nilai inputan 1 putaran = pulse/rev, jadi dapat ditentukan jarak yang didapatkan dalam 1 putaran motor stepper =10 mm.
Penelitian ini mengusulkan implementasi mesin penggulung (winding machine) dengan sistem Internet of Things (IoT) untuk mengoptimalkan proses penggulungan kumparan. Sistem Internet of Things (IoT) memungkinkan mesin penggulung dapat dikendalikan dan dipantau secara remote melalui platform cloud, memberikan pleksibilitas dan efisiensi dalam proses penggulungan. Pada tahap implementasi, mesin penggulung fisik dihadirkan dengan menggunakan motor dc 12v, motor stepper, sensor putaran, dan mikrokontroler ESP8266. Program perangkat lunak dikembangkan dengan mnggunakan bahasa pemrograman C++ pada software Arduino IDE untuk mengendalikan motor dc, motor stepper, dan pembacaan data dari sensor. Selain itu module WIFI ESP8266 diintegrasikan untuk menyediakan konektifitas IoT.

Penggunaan Unified Power Flow Controller (UPFC) Untuk Meningkatkan Profil Tegangan Pada Sistem Kelistrikan 150 KV Bali

I Gusti Agung Rai Yuda Wardana, I Made Wartana — Mon, 06 May 2024 00:00:00 +0000

Abstract—Sistem tenaga listrik pasti akan mengalami rugi-rugi sistem dan ketidakstabilan tegangan yang menyebabkan ketidakmampuan dalam mempertahankan tegangan yang diterima sehingga Daya Aktif (MW) dan Daya Reaktif (MVar) yang dihubungkan ke sistem mengalami penurunan. salah suatu peralatan kendali yang memiliki kualitas, efektivitas, dan efisiensi tinggi untuk memaksimalkan kinerja sistem yang baik, berkualitas dan ekonomis dengan menggunakan peralatan Flexible Alternating Current Transmission system (FACTS) salah satu peralatan FACTS yang dapat merancang, mengendalikan dan mengoperasikan sistem dengan komponen solid state dengan melakukan pengendalian sistem transmisi secara akurat dan fleksibel. Unified Power Flow Controller (UPFC) merupakan gabungan dari Static Synchronous Compensator (STATCOM) dan Static Synchronous Series Compensator (SSSC), tujuan pemasangan UPFC yaitu meningkatkan profil tegangan dan mengurangi rugi-rugi pada sistem tenaga listrik Representasi UPFC AC dan DC yang digunakan dalam proses Continuation Power Flow (CPF) Efektivitas metode yang diusulkan telah disimulasikan secara praktis pada sistem kelistrikan Bali 16-bus untuk menyelidiki peningkatan kapasitas pembebanan sistem. Dari simulasi yang dilakukan dengan memasang pengendali modern tersebut di lokasi terbaik yaitu pada bus 02 ASARI dan 07 NGARA maka peningkatan margin daya tahan sistem hampir mencapai 8,30% dibandingkan kondisi base case yaitu sebesar λ_max = 3.0526 p.u dengan profile tegangan tidak berubah secara signifikan.

Rancang Bangun Pengaturan Kecepatan Motor DC Menggunakan Metode Fuzzy Gain Scheduling PID Control

Tue, 07 May 2024 00:00:00 +0000

Motor DC (Direct Current) atau sering disebut juga motor listrik arus searah merupakan suatu perangkat yang dapat mengubah energi listrik searah menjadi energi mekanik. Dalam kehidupan sehari-hari baik di industri dan rumah tangga, motor DC lebih sering digunakan untuk keperluan aplikasi yang membutuhkan variasi kecepatan. Beberapa kelebihan yang dimiliki motor DC diantaranya yaitu stabil dan tidak mempunyai kerugian daya reaktif. Variasi kecepatan motor DC dikembangkan dengan beberapa metode. Salah satu teknik dalam sistem kontrol untuk mengatasi permasalahan ini adalah menggunakan metode Fuzzy Gain Scheduling-PID control. Dimana parameter kontrol diubah secara otomatis jika terjadi perubahan kondisi operasi yang menyebabkan perubahan kinerja kontrol. Fuzzy Gain Scheduling-PID control merupakan motede hybrid dimana fuzzy berfungsi menghitung parameter kontrol PID (Kp, Ti dan Td), berdasarkan kondisi sinyal error dan delta erros. Dengan pengembangan aplikasi Fuzzy Gain Scheduling-PID control untuk memvariasikan kecepatan didapatkan kecepatan motor DC smooth sesuai yang diinginkan

Monitoring Bearing Motor Induksi Pada Variasi Noise Menggunakan Pengolahan Sinyal FFT

Fri, 31 May 2024 00:00:00 +0000

Motor induksi memiliki berbagai keunggulan dibandingkan dengan motor listrik jenis yang lain karena kontruksinya yang sederhana, handal dan berharga murah. Meskipun memiliki konstruksi yang kuat, bukan berarti motor induksi tidak pernah mengalami kerusakan. Kerusakan bagian motor yang sering terjadi adalah kerusakan bearing. Fault diagnosis (FD) secara kontinue diperlukan untuk mengantisipasi terjadinya kerusakan lebih parah, menjaga keandalan, menekan biaya perawatan, dan tindakan perawatan tepat waktu. Kebisingan lingkungan tidak dapat dihindari dari lokasi motor, sehingga pada penelitian ini FD akan diuji pada beberapa tingkat kebisingan lingkungan. Penelitian ini mengusulkan pengembangan FD elemen bearing dengan teknik non-invasive berdasarkan sinyal suara dengan mempertimbangkan pengaruh kebisingan lingkungan. Filtering sinyal suara harus dilakukan dengan cermat agar hasil deteksi tidak diragukan. Band-pass filter diterapkan untuk memberikan informasi frekuensi resonansi yang menggambarkan kondisi elemen bearing. Data analisis dan feature extraction menggunakan pendekatan fast fourier transform dan analisis spectrum. FD yang dikembangkan berupa hardware yang dirancang menggunakan Raspberry pi dengan software Phyton. Pengembangan ini menawarkan FD yang real-time dimana sinyal suara langsung diproses sehingga hasil diagnosis dapat ditampilkan di LCD. Signifikasi hasil penelitian adalah menawarkan sistem monitoring kondisi motor dengan hardware yang dikembangkan sehingga hasil deteksi lebih cepat, mudah, murah, dan akurasi tinggi meskipun ada pengaruh kebisingan lingkungan. Dengan metode yang diusulkan mendapatkan akurasi deteksi sebesar 95.58%.

Analisis Dan Prediksi Suhu Dan Kelembaban Udara Yang Optimal Pada Ruangan Vertikultur Dengan Metode K-Nearest Neighbor

Faj’run Ni’am, Danang Arengga, Siti Sendari — Fri, 31 May 2024 00:00:00 +0000

Peningkatan populasi di Indonesia telah menyebabkan penurunan luas lahan pertanian yang tersedia, memaksa petani, terutama yang berpendidikan rendah dengan modal terbatas, untuk mencari solusi budidaya yang efisien pada lahan sempit. Teknik vertikultur muncul sebagai salah satu solusi yang memungkinkan penanaman sayuran dalam ruang terbatas. Namun, pertumbuhan tanaman memerlukan kondisi optimal suhu dan kelembaban, seperti yang diperlukan oleh tanaman stroberi. Untuk mencapai parameter pertumbuhan tanaman yang optimal pada lahan sempit, diperlukan pendekatan data mining. Data mining adalah proses pencarian pola dan informasi berharga dalam data yang tersedia, dan IoT memungkinkan pengumpulan data yang efisien. Dalam konteks ini, K-Nearest Neighbor (KNN) adalah salah satu algoritma yang digunakan untuk memprediksi suhu dan kelembaban dengan akurasi yang memadai, meskipun dapat menghadapi tantangan ketika kondisi iklim tidak stabil. Kemudian hasil dari validasi data diatas 80% dan untuk hasil prediksi yang didapat tahap pertama hari pertama 45%, kedua 54,8%, ketiga 69,3% dan keempat 80%. Lalu pada tahap kedua hari pertama 56,3%, kedua 62,5%, ketiga 78,6% dan keempat 77,2%. Kesimpulan yang didapat pada penelitian ini yaitu metode KNN dapat digunakan untuk menganalisis dan memprediksi suhu dan kelembaban yang optimal.