Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pada beberapa peristiwa kebakaran, listrik sering kali dikaitkan sebagai salah satu penyebab utama dari kebakaran. Asap menjadi parameter awal yang mendasari terjadi sebuah peristiwa kebakaran. Keracunan asap adalah salah satu penyebab utama kematian korban kebakaran di dalam ruangan. Asap dapat membunuh manusia dengan melakukan kerusakan pada kombinasi termal, keracunan, dan iritasi paru-paru yang disebabkan oleh reaksi karbon monoksida, hidrogen sianida, dan produk pembakaran lainnya. Peristiwa kebakaran terjadi karena dalam beberapa kasus, banyak detektor asap yang gagal mencapai fungsinya sebagai pendeteksi awal asap karena waktu yang dibutuhkan asap untuk menjangkau sebuah detektor asap pada tempat tertentu ternyata membutuhkan waktu yang cukup lama. Penelitian ini difokuskan pada kajian eksperimental untuk pendeteksian asap pada kebakaran kabel dengan parameter laju perkembangan luasan asap terhadap tingkat arus listrik dan perubahan waktu dengan pembebanan arus lebih dari titik kritisnya. Penelitian dilakukan dengan skala eksperimen. Frame hasil rekaman akan diukur luasan asapnya dengan menggunakan perangkat lunak ImageJ. Grafik laju perubahan waktu terhadap laju perkembangan luasan asap dengan perubahan tingkatan arus listrik dan kenaikan temperatur didapatkan guna mencari hubungan yang tepat terhadap tingkat bahaya kebakaran. Hasil dari hubungan tersebut disesuaikan kedalam bahasa pemrograman Adaptive Gaussian Mixture Model dengan melakukan segmentasi obyek latar yang bergerak (foreground) dari latar belakang diam (background) untuk dijadikan parameter dalam penentuan tingkat bahaya asap dalam sistem deteksi asap berbasis pencitraan gambar. Terdapat pula pengujian hasil SEM (Scanning Electron Microscope) terhadap isolator PVC hasil percobaan.

---

At some events of fire, electricity is often attributed as one of the main causes of fires. Smoke becomes the early parameter that underlie a fire occurs. Smoke is also very dangerous to people. The smoke kills by a combination of thermal damage, poisoning and pulmonary irritation caused by carbon monoxide, hydrogen cyanide and other combustion products. In some cases, a lot of smoke detectors failed to achieve its function as an early detector of smoke because of the time needed to reach smoke detector in certain places took a long time.

This study focused on experimental studies for the detection of smoke in the fire cable with the rapid expansion parameters of smoke on the level of electrical current, temperature rise, and the time on the cable that deliberately be burned by flowing currents more than its critical point. Research is done by the experiment. In this study, the split frames that will each image area of the smoke were measured using ImageJ software. Graph of the rate changes of time to the extent of the smoke with the rapid changes in electrical current levels and an increase in temperature is obtained in order to find the correct relation to level the danger of fire.

Results from the relation are suited into Adaptive Gaussian Mixture Model to segment the moving object (as a foreground) from the background to be used as a parameter in determining the level danger of smoke in the smoke detection using imaging processing. This paper includes SEM (Scanning Electron Microscope) results for the PVC insulator."

"Berkembangnya suatu negara dapat ditandai dengan meningkatnya secara kualitas maupun kuantitas bangunan di negara tersebut. Jika dilihat dari sudut pandang pembangunan, ini merupakan hal yang positif. Tetapi jika dari sudut pandang penggunaan energi, ini merupakan hal yang negatif. Karena gedung bertingkat menggunakan konsumsi energi yang tidak sedikit, khususnya energi listrik. Pada penelitian kali ini, akan coba menganalisa energi dan beban thermal yang ada pada gedung Dekanat FT-UI dengan menggunakan software yang bernama EnergyPlus versi 2.2. Energy Plus itu sendiri adalah sebuah program simulasi untuk menghitung besar energi dan besar pembebanan yang dimiliki oleh sebuah bangunan atau gedung. Input data yang diperlukan disini adalah data cuaca, temperatur, tata letak bangunan, inventaris, jumlah orang yang terdapat di gedung Dekanat itu sendiri. Hasil keluaran yang akan dianalisa pada penelitian kali ini adalah berapa besar sensible cooling energi dan sensible cooling rate pada tiaptiap ruangan di gedung Dekanat. Adapun peningkatan dari ke-2 hal tersebut diatas adalah dimulai pada jam ke-7 hinga jam ke-19. Hal ini disebabkan karena faktorfaktor yang terjadi terhadap gedung Dekanat itu sendiri, baik didalam maupun diluar gedung.

---

Evolution in a country must have development in their building structural. It looks positive when we take it from the development side. But from the energy uses, it?s a negative side. Because every building need a lot of energy for their use, especially electrical energy. So that in this research, we want to know how much about the energy and the thermal load from the building. Which building is Dekanat building in University of Indonesia. The tools that we use in this research is EnergyPlus version 2.2. EnergyPlus is an energy analysis and thermal load simulation program. Data input that we need are temperature, wheather, strategical of the building, inventory, and the people. From the output side, we want to know about the sensible cooling energy and sensible cooling rate at each room of the building, which we want to analyze. From the result, we know that its enhancement occur from 7 to 19 o?clock time based."

"Demam merupakan gejala dari penyakit COVID-19 yang memiliki sensitivitas 54% dan spesifisitas 67% terhadap SARS-CoV-2 sehingga dapat dijadikan acuan untuk mencegah penyebaran penyakit COVID-19. Dua sensor yang paling sering dijadikan termometer infrared adalah MLX90614 dan AMG8833 karena rentang suhu pengukurannya yang tinggi dan akurasinya yang baik. Hasil pengukuran termometer infrared dapat dipengaruhi oleh jarak ukur, suhu ruangan, dan aktivitas fisik pada tubuh manusia. Oleh karena itu, pada skripsi ini penulis merangcang rangkaian thermal camera dengan dua buah sensor infrared dan mengevaluasi kinerja sensor berdasarkan jarak ukur (15, 30, 40, dan 60 cm), suhu ruangan non-AC dan AC (30 dan 26,4 oC), serta aktivitas fisik. Hasil penelitian menunjukkan jarak pengukuran terbaik adalah 15 cm dan besar persentase error rata-rata variabel (EV) yang berbeda dari setiap sensor, yaitu sensor MLX90614 0,560% (15 cm) dan 0,843% (60 cm) sedangkan sensor AMG8833 0,577% (15 cm) dan 1,439% (60 cm). Kemudian MLX90614 mempunyai EV 0,567% (non-AC) dan 0,553% (AC) sedangkan sensor AMG8833 0,868% (non-AC) dan 0,948% (AC). Setelah itu MLX90614 mempunyai EV 0,469% (sebelum aktivitas fisik) dan 0,651% (setelah aktivitas fisik) sedangkan AMG8833 1,259% (sebelum aktivitas fisik) dan 0,558% (setelah aktivitas fisik). Selain tiga variabel uji, casing alat dapat membuat EV sensor AMG8833 kurang dari 1,00% (sebelum dan setelah aktivitas fisik). Akibat adanya nilai EV di atas 1,00 %, penelitian ini dapat dilanjutkan dengan memberikan komponen tambahan yang dapat membuat sensor lebih fokus.

---

Fever is a symptom of COVID-19 disease which has a sensitivity of 54% and specificity of 67% to SARS-CoV-2 so that it can be used as a reference to prevent the spread of COVID-19 disease. The two sensors that are mostly used as an infrared thermometer are the MLX90614 and AMG8833 sensor because of their high measurement range and good accuracy. The measurement results of an infrared thermometer can be influenced by the measuring distance, room temperature, and physical activity on the human body. Therefore, in this thesis the author designs a thermal camera circuit with two infrared sensors and evaluates the performance of the sensor based on the measuring distance (15, 30, 40, and 60 cm), non-AC and AC room temperature (30 and 26.4 oC), and physical activity. The results showed that the best measurement distance is 15 cm and the average of variable error percentages (EV) are different for each sensor. The MLX90614 sensor has 0.560% (15 cm) and 0.843% (60 cm) EV while the AMG8833 sensor has 0.577% (15 cm) and 1.439% (60 cm) EV. Then the MLX90614 has an EV of 0.567% (non-AC) and 0.553% (AC) while the AMG8833 sensor has 0.868% (non-AC) and 0.948% (AC). After that, MLX90614 has an EV of 0.469% (before physical activity) and 0.651% (after physical activity) while AMG8833 has 1.259% (before physical activity) and 0.558% (after physical activity). In addition to the three test variables, the device enclosure could make the AMG8833 sensor EV less than 1.00% (before and after physical activity). Due to the there are EV values above 1.00%, this research can be continued by adding other components that can make the sensor more focused."