Agus Khumaidi’s research while affiliated with Surabaya Shipbuilding State Polytechnic and other places

This research aims to develop and implement an electrical power monitoring system at the Sub Sub Distribution Panel (SSDP) in the Building. The system is designed to monitor power usage in real-time, provide accurate information on energy consumption, and detect potential energy waste. The methodology used includes hardware and software design. The hardware consists of current and voltage sensors connected to a microcontroller. The data collected by the sensors is then transmitted via Wi-Fi network to the server for analysis. The software uses an Internet of Things (IoT) platform that displays the data in the form of graphs and tables. The implementation shows that the system is capable of monitoring power usage with a high degree of accuracy. The sensors used, namely PM2100 for voltage, SHT20 for temperature and humidity, and GP2Y101AU0F for dust concentration, proved effective in generating accurate real-time data. Based on the test results, the voltage measurement error with the PM2100 was only 0.035%, while the current measurement resulted in an error of 0.48%. The SHT20 sensor recorded an error of 2.4% for temperature and 1.0% for humidity. Dust measurements with the GP2Y101AU0F sensor had a very small error of 0.02%. These results indicate that the tested device has a sufficient level of precision for electrical power and environmental monitoring applications.

The beverage industry is experiencing significant growth; however, the handling and management of can waste, particularly aluminum can waste, still rely on manual processes, such as stepping on or striking the can with a tool to reduce its volume. Therefore, there is a need for innovation to design and create a small-scale can pressing machine. The development of this machine employs the Ulrich method, which encompasses the identification of machine requirements, concept selection, and design embodiment. Based on the results obtained using the Ulrich method, design concept 2 was selected. Subsequently, planning, calculations, and analyses were conducted to identify the core and supporting components necessary for constructing the machine. The next stage involved creating detailed drawings of the machine, followed by fabrication and testing. During testing, the can pressing machine demonstrated the ability to exert a maximum load of 20,110.5 N, with a torque of 220.990 Nm and a power output of 0.5 HP (356.95 watts). The PZEM-004T microcontroller was utilized to monitor the operational control of the electric motor. The machine successfully reduced the volume of cans by 56.5%, decreasing their initial height from 345 mm to 150 mm, and it is capable of processing 75 cans per minute.

The application of machine monitoring systems is currently increasingly needed, one of which is on generators. Generator sets are one of the important elements in providing energy needed in company operations. However, to ensure optimal performance and prevent unexpected engine damage, careful monitoring of the generator set's operational conditions is required, especially of key variables such as temperature, rotation speed, and engine vibration. The purpose of this study is to identify the condition of the generator set using three parameters. In this research, adaptive neuro fuzzy inference system (ANFIS) is used as a tool to model the relationship between inputs (temperature, speed, and vibration) and outputs (engine condition). The dataset for normal conditions amounted to 25 data and for abnormal conditions amounted to 25 data. From this data, an RMSE of 0.000032 was obtained in the 3-3-5 membership function structure with a trapezoidal type membership function. And at the stage of applying fuzzy to the Omron PLC, the RMSE is 0. Simulations are carried out to test the effectiveness of ANFIS in predicting machine conditions based on monitored parameters.

Penelitian ini berfokus pada simulasi metode kontrol PID Cohen-Coon untuk pengendalian otomatis mesin crusher batu. Dengan parameter PID yang diperoleh dari metode PID Cohen-Coon yaitu Kp=0,042, Ki=0,365, dan Kd=2,47, mesin crusher diharapkan dapat merespons secara stabil dalam waktu 1 detik setelah terjadi osilasi. Pada simulasi MATLAB, meskipun masih terjadi osilasi pada awalnya, sistem menunjukkan overshoot sekitar 50% dan undershoot sekitar 30%. Metode PID dipilih karena kemampuannya mengontrol sistem secara otomatis dengan mengombinasikan proporsional, integral, dan derivatif dari kesalahan sistem. Hasil simulasi penelitian menunjukkan bahwa pengendalian motor pada mesin crusher dengan metode PID Cohen-Coon memberikan kinerja yang efisien dan stabil, meningkatkan keandalan proses penghancuran batu secara keseluruhan, serta memberikan kontribusi penting dalam pengembangan sistem pengendalian otomatis untuk industri pemecahan batu koral yang membutuhkan tingkat presisi dan efisiensi yang tinggi.

Peningkatan industri makanan dan minuman juga berpengaruh pada penggunaan plastik menjadi semakin banyak. Penggunaan kemasan produk plastik yang berfungsi sebagai bahan pelindung atau melindungi produk dari pengaruh luar yang dapat mempercepat proses pembusukan makanan yang ada didalamnya. Pentingnya cetak label produksi dan tanggal kedaluwarsa produk yang menyatakan umur produk yang masih layak untuk dikonsumsi juga tak kalah penting nya. Kebutuhan mesin tersebut sangat diperlukan mengingat banyaknya kemasan produk yang harus diberikan penandaan. Sering terjadinya ketidakjelasan kode kedaluwarsa karena suhu pemanas yang tidak stabil pada saat mencetak. Hasil penelitian menunjukkan bahwa penerapan Cohen-Coon PID auto-tunning dengan parameter Pb sebesar 1,7239%, Ti sebesar 4,1930, dan Td sebesar 0,6779 memberikan kontrol pemanas yang efisien dan stabil, untuk memberikan kestabilan panas saat mencetak kode kedaluwarsa.

Autonomous Surface Vehicle (ASV) is surface-controlled vessel without a crew, designed to explore waters autonomously without direct human intervention. In its development, ASV ships often experience waypoint navigation problems such as ship speed controls, ship steering angle direction, and ship holding attitude systems. This research aims to design an attitude control system for an ASV that focuses on a position control system for changes due to waves, currents and wind when the ASV is carrying out a mission. In developing an intelligent attitude control system, two controls are implemented, namely rotation control and translation control. This system uses a CMPS14 sensor to determine the ship's orientation and rotational speed which is used as a rotational control variable and is then synchronized with Zed F9P GNSS RTK GPS data readings to predict the ASV position when it encounters external disturbances for translational control variables which are processed using the ANFIS (Adaptive Neuro) algorithm. Fuzzy Inference System) to predict the actuator response in maintaining ASV heading and position. The ANFIS model designed in this research is able to predict the bowthruster speed for guarding the post with an RMSE of 1.6169%, while the ANFIS model for predicting ship Vx and Vy has an RMSE of 0,1857%. Although influenced by non-linear data variations and the choice of MF data type, the Vx and Vy prediction value produced by the ANFIS model is close to precise.

The apple cider vinegar fermentation process requires careful monitoring and control of variables such as pH, alcohol content, and amount of acetic acid. This research adopts Fuzzy Logic Control by utilizing the MQTT communication protocol, pH, alcohol and water pump sensors, as well as solenoid valves and DC motors as actuators. This Internet of Things (IoT) based solution provides real-time monitoring information on the fermentation process. The results showed that the test system succeeded in maintaining a stable pH of around 3.9-4.0 during the initial stages of fermentation, while industrial data showed greater variations. Alcohol content increased consistently in the test system, in contrast to the spike on day 7 in industry data. At the formulation stage, the pH dropped to 3.68 in the test system, while the industry maintained 3.70. At medium and slow mixing stages, the test system showed a significant decrease in pH and a consistent increase in alcohol. At the harvest stage, the pH was lower in the test system compared to industrial, with slightly higher alcohol content. Test results show that the implementation of this system can reduce the fermentation process time by up to 2 days faster compared to conventional methods. This conclusion shows that IoT-based systems are able to provide better control and monitoring than conventional systems, so they have great potential for wider adoption in the apple vinegar fermentation industry to increase production effectiveness.

Dalam beberapa dekade terakhir, teknologi transportasi bawah air telah berkembang pesat, ditandai dengan munculnya berbagai jenis kendaraan bawah air yang semakin canggih, termasuk Remotely Operated Vehicle (ROV). ROV menggunakan baterai sebagai sumber energi karena sifatnya yang portabel dan efisien. Baterai ROV memerlukan sistem proteksi bayerai yang efisien untuk mencegah kerusakan serta memperpanjang masa pakai baterai. Dengan ini, metode decision tree diterapkan dalam perancangan keputusan cut off baterai ROV. Pengambilan keputusan ditentukan oleh nilai arus dan tegangan yang dibaca oleh sensor INA219. Dalan decision tree, nilai gain terbesar dijadikan node utama atau root node. Dalam penelitian ini nilai gain yang diperoleh sama besar akibat dataset yang seimbang, data pertama dipilih sebagai root node berdasarkan prinsip Occam's Razor untuk kesederhanaan. Sehingga nilai dari sensor 1 akan dijadikan node utama atau root node. Perancangan keputusan cut off baterai ROV menggunakan metode decision tree memberikan hasil yang efektif dan efisien dalam pengendalian daya baterai ROV

Kontes Robot Indonesia (KRI) adalah sebuah acara tahunan yang diadakan oleh Pusat Prestasi Nasional. Kontes Robot Sepak Bola Beroda (KRSBI – Beroda) merupakan salah satu kontes yang ada di KRI. Pada KRBI – Beroda robot harus berjalan secara autonomous. Kemampuan utama yang harus dimiliki oleh robot adalah dapat menemukan bola, mengumpan bola, dan menendang bola ke gawang. Dalam dua tahun terakhir, tema yang ditekankan dalam KRBI – Beroda adalah ketepatan umpan, namun belum banyak tim yang dapat melakukan umpan secara akurat ke robot kawan. Dalam melakukan umpan, hal pertama yang dilakukan adalah robot harus mengetahui posisi robot itu sendiri. Kedua, robot harus bisa mengetahui posisi robot kawan. Selanjutnya adalah kedua robot harus bisa mengetahui posisi bola. Jika hal di atas dapat dilakukan, maka strategi mengumpan bola akan bisa dilakukan. Keunggulan menggunakan metode yang digunakan dalam penelitian ini adalah apabila robot tidak dapat berhadapan dengan benar menggunakan nilai posisi robot, robot dapat bergerak agar robot saling berhadapan menggunakan deteksi objek yang diolah dari kamera. Pada penelitian ini, metode gyrodometry digunakan untuk memetakan posisi robot berdasarkan nilai yang didapat pada sensor gyroscope dan rotary encoder. Sedangkan image processing berfungsi untuk mendeteksi posisi bola dan robot kawan. Data posisi dari bola dan robot kawan akan dikirimkan ke mikrocontroller melalui komunikasi serial. Kemudian data akan diolah oleh mikrocontroller menjadi nilai sudut yang nilai sudut tersebut akan digunakan untuk menggeser arah hadap robot sehingga robot saling berhadapan dan siap untuk melakukan umpan. Dari hasil pengujian penerapan metode gyrodometry untuk memetakan posisi robot di lapangan didapatkan RMS error x = 15,13, dan RMS error y = 18,57 pada robot satu dan RMS error x = 14,72, dan RMS error y = 14,59 pada robot dua. Robot dapat mendeteksi bola sejauh tiga meter dan robot kawan sejauh enam meter dengan menggunakan image processing. Kombinasi gyrodometry dan image processing dapat digunakan untuk kendali posisi mengumpan bola kepada robot kawan dengan akurasi 86,67 %, meningkat 13,34% dengan mengumpan bola tanpa menggunakan metode.

Kemasan produk menggunakan kaleng sangat banyak digunakan dalam industri makanan dan minuman. Hal ini dikarenakan kemasan kaleng sangat tahan terhadap perubahan suhu dan debu. Akan tetapi, dipasaran kita masih banyak menjumpai minuman kemasan kaleng yang rusak dan masih diperjual belikan secara bebas. Berdasarkan permasalahan tersebut penulis ingin membuat prototype sistem pendeteksi kecacatan pada kemasan minuman kaleng. Prototype sistem pendeteksi tersebut berfungsi untuk mendeteksi dan menyeleksi produk menggunakan pengolahan citra. Selanjutnya pengolahan citra akan diterapkan menggunakan metode Convolutional Neural Network (CNN) dan akan diolah menggunakan PC (Personal Computer) untuk mengetahui seberapa tinggi nilai kecacatan sebuah produk tersebut. Dataset yang digunakan sebanyak 98 data citra dan dibagi menjadi 2 kategori klasifikasi. Pada penelitian ini telah didapatkan struktur CNN yang tepat yaitu arsitektur CNN2, yang menghasilkan Vektor Input sebanyak 91.392 data untuk proses Training dengan neural network. Dari penelitian ini didapatkan jumlah Hidden layer yang cocok untuk penelitian ini yaitu sebanyak 1 Hidden layer dengan 256 Hidden neuron. Pada proses Training Hasil dari penelitian ini mendapatkan tingkat keberhasilan sebesar 97,92%. Pada pengujian data real time, sistem ini mampu mengklasifikasi 53 data dengan benar dari 64 data yang ada. Dan tingkat keberhasilan sistem secara real time sebesar 82,81 %.