Vol. 17 No. 1 (2024): Jurnal Elektro: April 2024

Vol.17 No.1 April 2024: Jurnal Elektro

KATA PENGANTAR

Jurnal Elektro Volume 17 No.1 Edisi April 2024 menyajikan kepada pembaca artikel-artikel hasil penelitian dengan topik-topik sebagai berikut: PVSyst OFF-Grid Solar Power Generation System, Combining of Shaping of Magnet Edge and Dummy Slotting, Perbaikan Kurva Harian pada Industri Kecil, Sistem Pemilahan Barang menggunakan Vision Sensor dan Perbandingan Algoritma Machine Learning untuk Klasifikasi Jenis Kendaraan pada Sistem Tilang.

Artikel  pertama berjudul  Comparison of Actual Results and PVSyst Simulation in the Design of Off-Grid Solar Power Generation System (PLTS) in Karuni Village, Sumba. Artikel ini memaparkan tentang untuk membandingkan hasil actual produksi dengan simulasi menggunakan software PVSyst pada Pembangkit Listrik Tenaga Surya (PLTS) Off-Grid di Desa Karuni, Sumba Barat Daya. PLTS Off-Grid di Desa Karuni merupakan solusi penting untuk meningkatkan akses listrik di daerah terpencil. Data produksi energi aktual PLTS diperoleh dari sistem monitoring, sedangkan hasil simulasi diperoleh melalui PVSyst. Hasil analisis menunjukkan adanya perbedaan kurang lebih 10% antara hasil aktual dan simulasi. Hal ini diamati dipengaruhi oleh variabilitas kondisi cuaca lokal, pemeliharaan, tingkat manajemen sistem, dan keterbatasan model simulasi. Implikasi dari penelitian ini menekankan pentingnya penggunaan data yang akurat dalam simulasi, peningkatan pemeliharaan sistem PLTS, dan pengembangan model simulasi yang lebih canggih.

Artikel kedua, Effect of Combining of Shaping at Magnet Edge and Dummy Slotting at Stator Core on the Cogging Torque Reduction in Permanent Magnet Generator menjelaskan bahwa untuk meningkatkan kinerja generator magnet permanen, tepi magnet dapat dibentuk tetapi inti stator tetap berstruktur konvensional. Ditemukan bahwa efek tepi magnet sedikit meningkatkan kinerja generator magnet permanen. Slot tepi magnet dan slot dummy pada inti stator generator magnet permanen digabungkan lalu dengan menggunakan FEMM 4.2, nilai torsi cogging dari generator magnet permanen yang diusulkan dianalisis dan dibandingkan. Dari Penelitian ini ditemukan bahwa pengurangan torsi cogging pada generator magnet permanen dengan menggabungkan slot dummy pada inti stator dan pembentukan tepi magnet dapat mengurangi torsi cogging menjadi 0,0000165 N.m (model yang diusulkan)..

Artikel ketiga dengan judul, Perbaikan Kurva Beban Harian pada Industri Kecil: Studi Kasus PT. X yang membahas tentang analisis kurva beban harian dan kesetimbangan beban pada industri garment skala rumah tangga dengan mengambil studi kasus di PT. X. Penelitian ini dilakukan dengan mengukur pemakaian listrik di setiap peralatan, kemudian membuat grafik jadwal pemakaian setiap peralatan. Selanjutnya dilakukan penjadwalan ulang kerja harian dan pengaturan ulang pembagian beban 1 fasa. Perhitungan awal menunjukkan terjadi ketidakseimbangan antar fasa dengan beban rata-rata 4916 kW dan simpang baku 2077. Setelah dilakukan penjadwalan dan pemindahan fasa didapatkan pembagian beban yang lebih seimbang dengan beban rata-rata 4903 kW dan simpang baku 952.

Artikel keempat berjudul, Sistem Pemilahan Barang Berdasarkan Deteksi Label Menggunakan Vision Sensor.  Artikel ini memaparkan tentang sistem otomasi untuk pemilahan barang berdasarkan pemeriksaan label menggunakan vision sensor, programmable logic controller (PLC), dan lengan robot. Sistem yang dikendalikan oleh  PLC akan membaca dan mendeteksi kerusakan pada label kemasan dengan bantuan vision sensor VeriSens dan memilahnya menggunakan lengan robot sesuai dengan kategori stock keeping unit (SKU) yang telah ditentukan, yaitu SKU 1, SKU 2, SKU 3, SKU 4, dan barang reject. Sistem pneumatik digunakan sebagai aktuator dalam mendorong barang ke konveyor, menggerakkan lengan robot dengan tiga derajat kebebasan serta vakum. Deteksi dilakukan dengan menerapkan konsep deteksi tepi untuk membaca teks, gambar, dan kode yang diolah kembali dengan software VeriSens Application Suite.

Artikel kelima berjudul Perbandingan Algoritma Machine Learning  menggunakan Orange Data Mining untuk Klasifikasi Jenis Kendaraan pada Sistem Tilang Digital sebagai artikel kelima membahas tentang  penerapan aplikasi Orange Data Mining untuk membandingkan beberapa algoritma pembelajaran mesin untuk mengklasifikasikan jenis kendaraan pada sistem tilang digital. Penelitian ini membandingkan dan menganalisa algoritma logistik regression,  Support Vector Machine (SVM) dan Neural Network (NN) untuk memecahkan masalah klasifikasi kendaraan pada tilang  digital. Data set diambil dari website Kaggle, dan metode validasi menggunakan Confussion matrix. Hasil penelitian menunjukkan bahwa pada proses training dan berdasarkan dataset yang digunakan, algoritma yang memiliki tingkat akurasi dari yang tertinggi adalah Logistic Regression, Neural Network dan Support Vector Machine.

Redaksi Jurnal Elektro berharap tulisan-tulisan yang dimuat dalam Edisi April 2024 ini dapat menjadi manfaat bagi pembaca sehingga pada gilirannya akan menggiatkan, mengembangkan dan memperkaya penelitian-penelitian lain yang berkaitan.

Salam

Pemimpin Redaksi