Hasil Pencarian  ::  Simpan CSV :: Kembali

"Smartphone dengan sistem operasi Android merupakan suatu teknologi yang sangat berpotensi untuk beragam jenis aplikasi, termasuk robotik. Dengan menjadikan Android sebagai kontroler robot, maka seluruh potensi Android dapat dimanfaatkan untuk fungsi robotik.Robot beroda sebagai robot yang dapat digunakan untuk berbagai macam layanan sangat cocok dengan fungsi-fungsi tambahan yang disediakan Android, seperti sensor dan fungsi display. Kunci untuk dapat menciptakan robot semacam ini adalah dengan menghubungkan smartphone Android dengan aktuator dan sensor eksternal. Pada skripsi ini didapatkan hasil bahwa smartphone Samsung Galaxy S2 dengan bantuan IOIO dapat menjadi kontroler robot dengan kecepatan respon instruksi rata-rata 85 milisekon.Sensor orientasi yang ada pada smartphone Galaxy S2 mengalami pelencengannavigasi paling besar sekitar 7 derajat. Pengendalian robot mengonsumsi daya baterai smartphone sebesar 3% tiap 5 menit dan meningkatkan suhu baterai sampai 48°C.

---

Smartphone with Android Operating System is one promising technology for plenty of applications, including robotics.By Utilizing Android smartphone as a robot controller, then all Android potential would be useful for robotic functions. Wheeled Robots are great type of robots for services and their model fits perfectly with Android features and abilities such as sensors and display. The key to create this kind of robot is to connect Android smartphone with external devices including DC motor and external sensors. This research will produce basic electrical design and framework of program for Android as controller, using IOIO as the connector between smartphone and external devices. This research shows that Samsung Galaxy S2, with IOIO’s assistance can be a robot controller with response time of 85 miliseconds. The navigation error orientation sensor in Galaxy S2 is about 7 degrees. The controlling process itself consumes 3% smartphone battery every 5 minutes and increases the battery temperature up to 48°C."

"Penelitian ini bertujuan untuk mengimplementasi dan menganalisis sistem Smart wheeled robot dengan menggunakan Smartphone Android dan Modul IOIO yang dapat mengutilisasi sensor dan aktuator eksternal dari robot. Sistem Smart wheeled robot yang dirancang menggunakan kumpulan algoritma umum untuk wheeled mobile robot, algoritma remote control dan algoritma human interaction untuk memenuhi fungsi yang dibutuhkan berdasarkan system requirement dari berbagai referensi dan tukar wawasan. Smartphone Android dijadikan pusat kontrol robot yang mengendalikan fungsi bernavigasi, melakukan penghindaran tabrakan, serta menjalankan fungsi-fungsi lainnya yang berakar dari fasilitas smartphone Android. Robot beroda ini akan dapat bergerak sesuai dengan program navigasi yang diimplementasikan padanya dengan menggunakan sifat modularitas dan Object Oriented Programming. Implementasi tersebut dilakukan dengan menggunakan bahasa pemrograman Java yang telah dikhususkan untuk Android. Hal tersebut dapat mempermudah pembuatan dan maintenance dari aplikasi. Dari penelitian ini, didapatkan data bahwa animo responden sangat tinggi terhadap teknologi yang dikembangkan dengan pendapat setuju sistem yang diteliti menarik hingga 96%, kebermanfaatan sistem 77%, dan 53% berminat untuk hasil akhir penelitian yang dikomersialisasi dari 30 responden beta tester. Dari segi beban aplikasi, kebutuhan CPU Smartphone berkisar antara 16-75%, dan 4.96-8.47% dari 826 MB RAM untuk platform ujicoba yang digunakan. Hal tersebut memungkinkan aplikasi untuk dikembangkan lagi untuk lebih memfungsikan kemampuan smartphone dan diimplementasikan kedalam sistem yang lebih aplikatif seperti Smart system dan autonomous car.

---

This research has purpose to implement and analyze a Smart wheeled robot System using Android Smartphone and IOIO Module to utilize robot?s external sensors and actuators. Smart wheeled robot system designed with a set basic algorithm for Wheeled Robot, Remote Control algorithm, and Human Interaction aglorithm to fullfil functions based on System Requirement gathered from references and insight from other roboticist. Android smartphone is used as main control unit to control navigation, collision avoidance and other functions which roots from Android smartphone?s facility. This robot can move according to the navigation module implemented on the program using object oriented programming based on JAVA. This usage can simplify the implementation and maintenance of the application. From 30 of the beta tester, the respondent seems really excited and interested with the proven concept with 96% agree the concept is interesting, 77% agree the system will be useful, 53% personally interested with research?s final product and its commercialization. From the performance side, the smartphone?s CPU usage is ranging between 16-75% and 4.96-8.47% from the 826MB RAM available for the system in the testing platform. This robot can be used as testing platform of many algorithms and systems development such as smart and autonomous car."

"Pengujian yang dilakukan pada skripsi ini dilakukan untuk mengimplementasikan dan menganalisis sebuah algoritma navigasi otomatis untuk robot beroda yang juga ditunjang dengan algoritma untuk menghindari tabrakan. Algoritma ini bertujuan membuat robot yang dapat bergerak mengikuti jalur yang telah diberikan oleh sebuah aplikasi peta. Robot tersebut menggunakan smartphone Android sebagai unit pemrosesan utamanya dan IOIO sebagai perantara smartphone dengan sensor dan aktuatornya. Dalam menjalankan algoritma, digunakan GPS dan aplikasi peta dari smartphone. Skenario pengujian menggunakan tiga nilai akurasi posisi robot yang berbeda dan dilakukan sebanyak sepuluh pengujian per nilai akurasi. Nilai akurasi ini menentukan jarak dimana robot akan menganggap bahwa posisinya sudah berhasil mencapai suatu koordinat. Setelah dilakukan pengujian, hasil pengujian menunjukkan bahwa untuk akurasi posisi robot sebesar 3.145 m (perbedaan garis bujur dan lintang sebesar 0.00002), didapat nilai rata-rata jarak posisi robot dengan koordinat tertentu sebesar 2.003 m dengan rata-rata waktu tempuh selama tiga menit dua puluh satu detik. Untuk akurasi posisi robot sebesar 6.297 m (perbedaan garis bujur dan lintang sebesar 0.00004), didapat nilai rata-rata jarak 4.490 m dengan rata-rata waktu tempuh selama dua menit tiga puluh lima detik. Untuk akurasi posisi robot sebesar 10.22 m (perbedaan garis bujur dan lintang sebesar 0.000065), didapat nilai rata-rata jarak 6.720 m dengan rata-rata waktu tempuh selama dua menit tiga belas detik. Hal ini berarti algoritma tersebut memang dapat diimplementasikan ke robot beroda dengan tingkat akurasi tertentu. Tetapi, semakin tinggi tingkat akurasi, semakin lama waktu navigasi yang dibutuhkan. Kemampuan navigasi ini juga sangat dipengaruhi oleh sinyal GPS yang diterima oleh smartphone.

---

Trials in this final project are done to implement and analyze an automatic navigation algorithm for wheeled robot, with the support of collision avoidance algorithm. The purpose of this algorithm is to create a robot which can follow the route given by the map application. This robot uses smartphone Android as its main processor and IOIO as the link between this smartphone and the robot?s sensors and actuators. The built-in GPS and map application from smartphone are used in running the algorithm. The trial scenarios uses three different robot position accuracy and every scenario is done ten times. The accuracy determines the distance where the robot will assume that its position has reached certain coordinate. After the trials are done, the results show that when the robot position accuracy is 3.145 m (0.00002 difference in latitude and longitude), the average distance is 2.003 m with average travel time of three minutes and twenty one seconds. When the robot position accuracy is 6.297m (0.00004 difference in latitude and longitude), the average distance is 4.490m with average travel time of two minutes and thirty five seconds. When the robot position accuracy is 10.22 m (0.000065 difference in latitude and longitude), the average distance is 6.720m with average travel time of two minutes and thirteen seconds. It means that this algorithm is possible to be implemented in wheeled robot with certain accuracy. But, the more accurate it is, the longer it takes to navigate through the route. This ability to navigate is also very affected by GPS signal received by the smartphone."

"Robot penerima tamu merupakan salah satu jenis service robot. Dengan menggunakan protokol pengiriman data melalui Bluetooth serial, data dari tiap sensor yang berasal dari sistem stereo vision, mobile robot dan juga pergerakan lengan akan diolah oleh sistem android sebagai masukan untuk berinteraksi dengan manusia. Untuk meningkatkan kecerdasan robot agar lebih menghampiri kemampuan manusia dimanfaatkan sistem text to speech dan pengenalan suara dengan voice regornition pada android. Evaluasi kinerja sistem diuji dengan pemberian kombinasi kondisi sistem yang dikomparasi dengan database SQLite.

---

Receptionist robot is one of the service robots type. By using the protocol via Bluetooth serial data transmission, Android system will compute each data from the stereo vision system, and also the movement of mobile robot base and arm movement. To improve the intelligence of the robot to approach human capabilities, text to speech system and voice recognition on android is applied. Performance evaluation of the system was tested by comparing combination of system conditions given with SQLite database."

"Tesis ini menguraikan tentang rancangan sebuah sebuah sistem pintu otomatis yang digunakan pada area parkir. Pada sistem ini, digunakan minimal dua device Android, yaitu device pada gerbang dan device pengguna. Sangat disarankan pula untuk memiliki PHP server untuk mendukung sistem ini. Device Android pada gerbang berperan sebagai prosesor utamanya dan IOIO sebagai perantara device dengan sensor dan aktuator pada pintu gerbang. Kemudian MAC Address bluetooth dari device pengguna akan menjadi identitas mobil yang masuk sekaligus sebagai data parkir yang disimpan. Hubungan antara device Android gerbang dengan pengguna terjadi dengan menggunakan bluetooth. Ketika jarak antara kedua device ini sudah dekat, mereka akan terhubung secara otomatis, dan pengguna hanya perlu menekan tombol pada device miliknya untuk membuka gerbang. Hasil pengujian menunjukkan bahwa jarak maksimum untuk berfungsinya layanan ini adalah 13 meter dalam kondisi line of sight. Waktu yang dibutuhkan dari awal hingga selesai membentuk hubungan bluetooth adalah 2.6 detik untuk satu klien, dan 9.1 detik untuk tiga klien sekaligus. Hingga 10000 data awal pada server, jumlah data tidak begitu mempengaruhi waktu proses, sehingga memiliki skalabilitas yang baik. Reliabilitas dari sistem ini pun memiliki 100% keberhasilan untuk single connection, dan 90% untuk multi connection. Tetapi kegagalan hanya menghasilkan delay yang kecil, sedangkan layanan tetap terjadi. Dari hasil data yang ada, diperkirakan sistem ini mampu menjadi sebuah alternatif lain untuk memperkecil kemungkinan terjadinya antrian pada pintu masuk dan pintu keluar area parkir.

---

This thesis elaborates about a design of an automatic parking gate. This system uses at least two Android devices, one for the gate and one for the user. It is very recommended to have a PHP server to support the system. The Android device on the gate acts as the main processor and IOIO as the birdge between device and sensor and actuator in the gate. The bluetooth MAC Address from user’s device will become the identity for entering vehicle as well as the data to be stored in server. The connection between these Android devices is done through bluetooth. When the distance between two devices is near, they will be connected automatically, and the user only need to tap the button on his device to open the gate.

The result shows that the maximum distance for this service to work is about 13 meters in line of sight. The time needed from the beginning until the connection has been established is 2.6 seconds for one client, and 9.1 seconds for three clients at a time. Up to 10000 initial data in the server, the data quantity does not really affect processing time, so this system has good scalability. The reliabilty of this system is 100% success for single connection, and 90% for multi connection. But this failure only causes small delay, the service itself is still completed. From the result, it is expected for this system to be able to become another alternative to reduce chance of a queue to happen in entry and exit parking gate."

"Penelitian ini menguraikan upaya pengembangan sistem Real-Time Safety Driving Assistance dengan menggunakan smartphone Android. Sistem ini ditujukan untuk kendaraan beroda empat untuk dapat memberikan feedback berdasarkan perilaku pengendara secara real time. Feedback yang akan dikeluarkan bertujuan untuk mengingatkan pengemudi jika melakukan pelanggaran, memperbaiki perilaku berkendara yang buruk, dan memberikan pelajaran untuk pengemudi yang belum mahir mengemudi. Sebagai salah satu pengaplikasian dari Telematics 3.0, aplikasi ini dapat digunakan sebagai bagian dari ADAS (Advanced Driving Assistance System) kategori keamanan mengemudi. Sistem Real-Time Safety Driving Assistance yang dikembangkan menggunakan kumpulan algoritma pemrosesan data yang didapat dari sensor-sensor yang dimiliki smartphone dan disinkronisasi dengan data sensor kendaraan yang didapatkan dari OBD-II Bluetooth Dongle. Pada tulisan ini akan dibahas mengenai requirement dari aplikasi yang dibutuhkan, rancangan aplikasi yang dapat memenuhi requirement, implementasi dari rancangan sistem, dan analisis semua sensor dan algoritma pemrosesannya. Dari hasil penelitian ini, data rate OBDSIM (Simulator OBD-II) secara signifikan lebih cepat daripada data rate OBD-II dengan dongle murah di pasaran berdasarkan waktu koneksi awal hingga proses komunikasi data setelahnya dengan perbedaan hingga 30 kali lipat lebih lama untuk uji penerimaan data OBD kendaraan. Dengan rata-rata sampling rate data OBD dan pemrosesannya hingga berbentuk nilai desimal bernilai 5.19Hz, terdapat beberapa masalah pada algoritma yang sangat time-sensitive karena pemrosesan algoritma disinkronisasikan dengan masukan data OBD. Walau begitu, reliabilitas dari segi komunikasi Bluetooth maupun aplikasi sangat tinggi dengan tingkat error dibawah 10 persen selama penggunaan. Reverse geocoding, shaky movement analysis, dan sharp turn analysis adalah algoritma yang dinilai masih kurang akurat, namun secara umum akurasi feedback yang diberikan kepada pengguna akurat dan real-time processing dilakukan dengan cepat sehingga aplikasi dapat memastikan fungsinya sebagai pemberi feedback secara real-time selama mengemudi dapat berjalan dengan baik.

---

This research outline an effort to develop a Real-Time Safety Driving Assistance system using android smartphone. This system is developed to be used on 4-wheeled vehicle to give real-time feedback based on driver’s activity. The feedback output aim to warn driver if they did a mistake, help fix driver’s bad driving behavior, and teach driver whom not experienced yet. As one of the application of Telematics 3.0, this application can be used as parts of ADAS (Advanced Driving Assistance System) in safety driving category. The developed Real-Time Safety Driving Assistance system consists of various data processing algorithms which get the input from smartphone’s sensor and vehicle’s sensor sent by OBD-II Bluetooth Dongle. This paper will describe the application’s system requirement, design, implementation, and analysis of its sensors and processing algorithms.

From the research, it is known that data rate of OBDSIM (OBD-II Simulator) significantly faster than vehicle’s OBD-II with Bluetooth dongle in the market based on initial startup connection and the data communication process after with the difference up to 30 times longer time needed by vehicle’s test. With average sampling rate from OBD to usable values in application has value of 5.19Hz, there are some problem with time-sensitive algorithms because all of the algorithms processing rate synchronized with received OBD Data’s timings. However, the reliability of Bluetooth communication and the application itself is high with error rate below 10 percent during the tests. Reverse geocoding, shaky movement analysis, and sharp turn analysis are the algorithm which proven not accurate enough for the expected resulr, but in general the feedback given to driver is accurate and the real-time processing done in very fast manner so the application can provide its main function as real-time feedback system while driving."

"Mengemudi dalam keadaan mengantuk merupakan salah satu bentuk kelalaian dalam berkendara yang dapat membahayakan. Oleh karena itu, penelitian ini ditujukan untuk merancang dan membangun sebuah sistem pendeteksi kantuk yang mampu memperingatkan pengemudi apabila sudah berada pada kondisi yang memerlukan istirahat. Sistem yang dikembangkan berupa sebuah aplikasi Android yang memanfaatkan tiga jenis sensor yaitu kamera depan sebagai sumber data citra wajah dengan resolusi 480p, perangkat EEG portabel sebagai sumber data gelombang otak dan MiBand sebagai sumber data detak jantung. Data dari ketiga sensor ini selanjutnya akan digunakan sebagai input bagi sebuah model neural network untuk melakukan deteksi kantuk. Dari penelitian ini didapatkan hasil bahwa arsitektur 1D CNN lebih cocok digunakan sebagai model dalam sistem pendeteksi kantuk dibandingkan dengan LSTM. Interval waktu 4 menit digunakan pada sistem pendeteksi kantuk yang dikembangkan karena dinilai paling optimal untuk digunakan. Dengan menggunakan data dari sepuluh partisipan, model mampu mendapatkan validation accuracy sebesar 96.30%. Sedangkan dari 12 kali percobaan pengujian sistem pendeteksi kantuk yang dikembangkan, sistem mampu melakukan klasifikasi kantuk dengan tingkat akurasi sebesar 83.3%

 

---

Driving in a drowsy condition is one form of carelessness in driving that can be dangerous. Therefore, this research is intended to design and build a drowsy detection system that can warn the driver when they are in a condition that requires to rest. The system was developed in the form of an Android application that utilizes three types of sensors, which are the front camera as a source of face image with 480p resolution, portable EEG devices as a source of brainwaves data and MiBand as the source of heart rate data. Collected data from these three sensors will then be used as input for a neural network model to detect drowsiness. From this study it was found that the 1D CNN architecture is the most suitable to be used as a model in drowsiness detection systems compared to LSTM. A 4-minute time interval is used in the drowsy detection system that was developed because it was considered as the most optimal. By using data from ten participants, the model was able to get a validation accuracy of 96.30%. While from 12 trials of drowsiness detection system testing that was developed, the system can do drowsiness classification with an accuracy rate of 83.3%

 

"

"Peningkatan sistem keamanan mobil menjadi suatu hal yang penting. Peningkatan keamanan ini dilihat dari banyaknya pencurian mobil yang kasusnya cukup banyak terjadi. Peningkatan keamanannya sendiri haruslah sesuai dengan perkembangan teknologi agar sistem keamanan yang tercipta menjadi semakin aman. Sistem keamanan yang dirasa perlu yakni dengan melibatkan proses autentikasi yang unik seperti sidik jari. Kemudian perlunya suatu sistem keamanan mobil yang juga terintegrasi dengan telepon seluler dengan memanfaatkan aplikasi android untuk menyatukan suatu sistem keamanan menjadi satu kesatuan sistem. Penelitian skripsi ini fokus pada perancangan dan analisa kinerja sistem keamanan mobil dengan melibatkan id sidik jari serta aplikasi android pada telepon seluler. Hasil dari penelitian ini yakni proses autentikasi id sidik jari dapat mencapai tingkat kecocokkan 100 dan proses kontrol sistem mampu dilakukan dalam waktu dengan rentang kurang dari 1 detik hingga 5 detik. Hasil yang dilakukan dengan suatu survei dengan responden, menunjukkan bahwa tingkat kepuasan responden sebesar 84,11 untuk fungsi utama, 80,98 untuk fitur-fitur serta 80,78 untuk tampilan antarmuka. Secara keseluruhan tingkat kepuasan responden sebesar 81,96.

---

The improvement of car security system is an important thing. The improvement itself sees that many case of car thief have occured. The security improvement itself must adapt the technology development so the security system will be more safe. The security system itself can include authentaication process that unique as fingerprint. Then, the security system also need an integration with mobile phone via android application to combine the system as united system.

This research focus on design and effort analysis in car security system that consist fingerprint id and android application on the mobile phone. The summary from research is id fingerprint authentication could reach 100 and control process of the system can be done with less than 1 second to 5 second. The summary based on the survey from respondent indicate that the satisfaction of the system is around 84,11 for the main function, 80,98 for the features and 80,78 for user interface. Total of the system satisfaction from the respondent is 81,96."

"Air adalah komponen yang sangat penting untuk kehidupan manusia. Jenis air yang sangat berkaitan dengan manusia adalah air minum, air sanitasi, dan air kolam renang. Berdasarkan jenis air yang ada, instrumen yang sudah tersedia adalah dengan mengukur kadar kimia pada air menggunakan alat-alat laboratorium yang tidak efisien. Penelitian ini berfokus untuk membangun instrumen pengklasifikasi jenis air berbasis ponsel pintar untuk memudahkan pengklasifikasi jenis air. Instrumen yang dibangun memanfaatkan strip tes yang akan diakuisisi oleh kamera ponsel pintar. Selanjutnya citra akan dilatih menggunakan Deep Learning model CNN dengan arsitektur AlexNet dan ResNet50. Penggunaan DL sudah banyak dilakukan untuk mengklasifikasi citra dan hasilnya terbukti sangat baik. Model hasil pelatihan akan dijadikan sebagai server komputasi yang akan mengolah citra. Sisi klien merupakan aplikasi ponsel pintar dan dihubungkan ke server yang sudah dibangun. Hasil pelatihan model adalah arsitektur AlexNet dengan akurasi yang sangat tinggi yaitu sebesar 100%. Oleh karena itu, model AlexNet dijadikan server komputasi pada penelitian ini. Pembangunan aplikasi pengklasifikasi jenis air berhasil dibangun dengan arsitektur klien-server. Tingkat keberhasilan aplikasi adalah 100% dalam mengunggah dan mengolah citra. Berdasarkan hasil yang diperoleh, disimpulkan bahwa pembangunan instrument kolorimetri pengklasifikasi jenis air berbasis ponsel pintar android berhasil dibangun dengan sisi server mengimplementasikan model CNN arsitektur AlexNet.

---

Water is component that very important for human life. Some types of water human’s environments are drinking water, sanitary water, and swimming pool water. With these types of water, an instrument that are already available are to measure the chemical levels in water using laboratory equipment which is inefficient. This research focuses on building a smartphone-based water type classification instrument. The instrument being built will use the test strips that will be acquisition by the smartphone camera. Furthermore, the image will be trained using the Deep Learning CNN model with AlexNet and ResNet50 architectures. The use of DL has been widely used to classify images and the result is satisfying. The results of the training model will be used as a computing server that will process images. The client-side is a smartphone application and connected to a built-in server. The result of the training model is the AlexNet architecture has a high accuracy which is 100%. With this performance, AlexNet will be used as a computing server in this research. The development of the water type classifier application has been successfully built with a client-server architecture. The success rate is 100% in uploading and processing images. Based on the results obtained, it is concluded that the development of a colorimetric instrument for classifying water types based on an Android smart phone has been successfully built with the server side implementing CNN AlexNet architecture model. "

"Penelitian pada skripsi ini membuat suatu sistem software yang akan diintegrasi dengan sistem Smart Stick berbasis Android smartphone. Metode yang digunakan dalam penelitian mengikuti tahapan Software Development Life Cycle (SDLC). Bahasa yang digunakan dalam mengkonfigurasi dan membuat sistem ini ialah JAVA dan XML. Sistem ini mengontrol modul hardware yang terdapat pada Android smartphone seperti accelerometer, vibrate dan sound untuk diintegrasikan dengan komunikasi serial Bluetooth pada perangkat Smart Stick. Kehandalan sistem masih dalam soft-real time sistem dan dalam pengolahan data dari Bluetooth hingga menjadi suatu output suara dipengaruhi oleh kecepatan prosesor. Untuk pengujian Technology Acceptance Model digunakan form penelitian yang diberikan kepada 20 responden untuk memberikan nilai kualitatif.

---

This thesis build software system that will integrated with Smart Stick based on Android smartphone. Software Development Life Cylce (SDLC) method also been used as research guidance. JAVA and XML were used as main programming language to design this system. This system control hardware modules on the Android smartphone like accelerometer, vibrate and sound to be integrated with Bluetooth communication. The reliability of the system is still in soft-real time system and the processing data from Bluetooth to be voice output is affected by the speed of the processor. Technology Acceptance Model testing using an assessment forms to 20 respondents to give qualitative value."