Hasil Pencarian  ::  Simpan CSV :: Kembali

"Wilayah Jakarta Selatan dengan jumlah pemirsa televisi yang tinggi merupakan salah satu wilayah uji coba siaran digital di Indonesia. Namun, kualitas siaran digital masih perlu di evaluasi. Penelitian ini bertujuan untuk memberikan gambaran sebaran spasial dan menganalisis pola spasial layanan sinyal televisi digital di wilayah penelitian berdasarkan karakteristik kerapatan bangunan dan ketinggian bangunan untuk dapat ditingkatkan secara optimal. Metode penelitian ini adalah kuantitatif berdasarkan hasil uji analisis regresi linier sederhana dengan cluster sampling menggunakan alat ukur Sat-link WS-6980. Metode analisis yang digunakan adalah analisis link-budget, spasial interpolasi, dan spasial deskriptif. Unit analisis yang digunakan adalah grid 0,5 km x 0,5 km dengan satuan unit penelitian berupa ketinggian dan jarak dari stasiun pemancar. Hasil dari penelitian ini adalah layanan sinyal dengan klasifikasi baik cenderung berada di wilayah bangunan rendah dengan kerapatan jarang pada ketinggian < 60 mdpl dan jangkauan < 15 km, sedangkan klasifikasi buruk cenderung berada di wilayah bangunan rendah dengan kerapatan padat pada ketinggian > 60 mdpl dan jangkauan > 15 km. Berdasarkan hasil uji analisis regresi linier, variabel kerapatan bangunan memiliki persentase pengaruh 18,6% dan variabel ketinggian bangunan memiliki persentase pengaruh 6,2%terhadap layanan sinyal televisi digital di wilayah Jakarta Selatan.......The South Jakarta area has a high number of television viewers so that the area has become one of the trial areas for digital broadcasting in Indonesia. However, the quality of digital broadcasts still needs to be evaluated. This study aims to provide a spatial distribution picture and analyze the spatial pattern of digital television signal services in the study area based on the characteristics of building density and building height to be optimally increased. This research used quantitative methods based on the results of the linear regression analysis test. This research used cluster sampling and using an instrument measurement Sat-link WS-6980. The analytical method used is link-budget analysis, interpolation spatial analysis, and descriptive spatial analysis. The analysis unit is a 0,5 km x 0,5 km grid with the research unit in the topography and distance from the transmitter station. This study's results are signal services with good quality classification found in low-density areas with sparse density in an altitude of < 60 masl and a range of < 15 km. Then, signal services with awful quality classifications are in low-density regions with height buildings areas in an altitude of > 60 masl and a range of > 15 km. Based on the test results of linear regression analysis, the building density variable has an influence percentage of 18.6%; and the building height variable has a 6.2% percentage of influence on digital television signal services in the South Jakarta area"

"Masalah pokok penggunaan fingerprinting Receive Signal Strength (RSS) pada indoor localization adalah pengaruh lingkungan terhadap hasil pengukuran RSS, menyikapi variabilitas nilai RSS dan akurasi penentuan posisi. Penelitian ini mengkombinasikan penggunaan keunggulan teknologi LoRa dengan metode deep learning yang menggunakan semua variasi hasil pengukuran nilai RSS di setiap posisi sebagai fitur alami dari kondisi dalam ruangan sebagai fingerprinting untuk melatih model pada deep learning. Teknik ini diberi nama DeepFi-LoRaIn, yang menggambarkan teknik untuk menggunakan data fingerprinting dari RSS perangkat LoRa pada indoor localization menggunakan metode deep learning. Penelitian ini dilakukan tidak hanya sebatas pengujian dan pembuktian metode menggunakan pendekatan testbed dan simulasi, namun berlanjut hingga tahapan implementasi menggunakan RSS fingerprinting dari hasil pengukuran sebenarnya. Skenario pengujian yang digunakan untuk mengevaluasi model adalah skenario tanpa gangguan dan skenario dengan memberikan gangguan. Skenario gangguan dilakukan dengan cara memberikan gangguan pada nilai RSS yang diterima di beberapa anchor node. Pada pengujian menggunakan dataset simulasi diperoleh hasil prediksi posisi dengan nilai akurasi 100% untuk skenario tanpa gangguan. Sedangkan pada skenario dengan gangguan diperoleh hasil akurasi prediksi posisi sebesar 86,66%. Hasil pengujian prediksi posisi menggunakan data pengukuran langsung diperoleh nilai akurasi sebesar 96,22%, untuk skenario tanpa gangguan dan 92,45%. untuk skenario pengujian dengan gangguan. Berdasarkan hasil penelitian menggunakan data simulasi dan data pengukuran sebenarnya pada implementasi, diperoleh kesimpulan bahwa, penggunaan Teknik DeepFi-LoRaIn mampu mengatasi permasalahan pada variabilitas nilai RSS didalam ruangan dan mampu menjaga akurasi prediksi posisi jika terjadi gangguan yang disebabkan oleh perubahan kondisi lingkungan.......The main problem using fingerprinting Receive Signal Strength (RSS) in indoor localization is the influence of the environment on the results of RSS measurements, addressing the variability of RSS values and positioning accuracy. This study combines the use of the advantages of LoRa technology with a deep learning method that uses all variations of the RSS value measurement results in each position as a natural feature of indoor conditions as fingerprinting to train models in deep learning. This technique is named DeepFi-LoRaIn, which describes a technique for using RSS fingerprinting data from LoRa devices in indoor localization using deep learning methods. This research is not only limited to testing and proving the method using a testbed and simulation approach, but continues to the implementation stage using RSS fingerprinting from the actual measurement results. The test scenarios used to evaluate the model are the without interference scenario and the with interference scenario. The inteference scenario is done by giving disturbance to the RSS value received at several anchor nodes. In testing using a simulation dataset, position prediction results are obtained with an accuracy value of 100% for without interference scenarios. Meanwhile, in the scenario with interference, the accuracy of position prediction is 86.66%. The results of the position prediction test using direct measurement data obtained an accuracy value of 96.22%, for the scenario without interference and 92.45%. Based on the results of the study using simulation data and actual measurement data in the implementation, it was concluded that the use of the DeepFi-LoRaIn technique was able to overcome the problem of the variability of the RSS value in the room and was able to maintain the accuracy of position prediction in case of disturbances caused by changes in environmental conditions."

"Pada era Information Communication Technology ICT, perkembangan dari software dan hardware sangat pesat. Berdasarkan data Dirjen Pos dan Telekomunikasi prospek dari Internet of Things untuk Indonesia mencapai 444 triliun dengan 400 juta sensor perangkat terhubung. Berbagai sektor mulai menerapkan IoT sebagai sistem automasinya seperti industry, kesehatan, logistic, dan pertanian. Fokus pada penelitian ini adalah penerapan IoT pada bidang pertanian. Berdasarkan pengujian menggunakan arduino dan LoRa 915 MHz bahwa perfomansi dari sistem dapat menjangkau hingga 700 meter dengan nilai Received Signal Strength RSSI dibawah -120 dBm dan nilai rata-rata Packet Delivery Ratio PDR 40-50. Sedangkan pengujian dari sisi end user menunjukkan bahwa sistem antarmuka web memiliki rata-rata penilaian 4 sampai 4.2 dari segi tampilan, fungsi, dan informasi. Untuk segi kinerja response time memperlihatkan bahwa web dapat diakses dalam waktu 0.2 detik hingga 0.6 detik.

---

In the era of Information Communication Technology ICT the development of software and hardware is very rapid. Based on data from Director General of Pos and Telecommunication, the prospect of Internet of Things for Indonesia reached 444 trillion with 400 million sensors connected devices. Various sectors are beginning to implement IoT as their automation systems such as industry, health, logistics, and agriculture. The focus of this research is the application of IoT in agriculture. Based on testing using arduino and LoRa 915 MHz, the perfomance of the system can reach up to 700 meters with the value of Received Signal Strength RSSI below 120 dBm with an average of 40 50 Packet Delivery Ratio PDR . While testing from the end user side shows that the web interface system has an average rating of 4 to 4.2 in terms of appearance, function, and information. In terms of performance response time shows that the web can be accessed within 0.2 seconds to 0.6 seconds."

"Sistem metering listrik dengan kWh konvensional yang telah diterapkan sebelumnya belum cukup untuk mendukung pertumbuhaan demand energi listrik di Indonesia karena sistem pembacaan memiliki karakteristik pembacaan secara manual, menghabiskan banyak waktu (kurang efisien),akurasi data dan pengembangan aplikasi yang kurang, serta membutuhkan biaya tenaga kerja tinggi. Perkembangan teknologi saat ini dapat mendukung upaya peningkatan aksebilitas pasokan listrik untuk menjangkau seluruh daerah berkaitan erat dengan konsumsi energi listrik dan efisiensi tenaga listrik di Indonesia.Smart meter dengan penerapan Advanced Metering Infrastructure (AMI) dengan teknologi komunikasi LoRa memberikan solusi mengukur konsumsi energi yang digunakan, tegangan, dan parameter lainnya secara real-time menjangkau cakupan area yang jauh,kekuatan sinyal yang kuat,dan beroperasi dengan daya yang rendah.Penelitian ini membahas tentang kualitas sinyal media komunikasi LoRa pada smart meter yang di aplikasikan di lokasi FT UI.Untuk mengetahui kualitas LoRa pada smart meter dilakukan pengujian keberhasilan sistem untuk memastikan data pengujian berhasil terkirim dari receiver menuju gateway dan server dibuktikan dengan hasil nilai RSSI dan SNR di 4 titik lokasi masih dalam batas minimum LoRa untuk mengirimkan sinyal dari receiver ke transmitter. Pada pengujian dengan jarak 33.77 m menghasilkan rata-rata RSSI sebesar -115,7 dBm dan SNR sebesar -2,3 dB. Pengujian dengan jarak 102.7 m menghasilkan rata-rata RSSI sebesar -117,4 dBm dan SNR sebesar -11,30695652 dBm.Pengujian dengan jarak 81.74 m menghasilkan nilai rata-rata RSSI sebesar -118,2173913 dB dan SNR sebesar -12,46869565 dB.Pengujian dengan jarak 156,96 m menghasilkan nilai rata-rata RSSI sebesar -118,3625 dBm dan SNR sebesar -12,6525 dB.Semakin jauh jarak lokasi pengujian dari gateway maka nilai RSSI dan SNR semakin menurun bernilai negatif dan kualitas sinyal semakin buruk. Selain jarak,nilai RSSI dan SNR juga dapat dipengaruhi oleh hambatan sekitar lingkungan seperti pepohonan,gedung,dinding tebal, dan lain-lain sehingga RSSI dan SNR pengujian dengan jarak 102.7 m lebih tinggi dibandingkan pengujian dengan jarak 81.74 m.......The electric metering system with conventional kWh meter that has been applied previously is not sufficient to support the growing demand for electrical energy in Indonesia because the reading system has the characteristics of manual reading, takes a lot of time (is less efficient), data accuracy and application development is less, and requires high labor costs.Current technology developments can support efforts to increase the accessibility of electricity supply to reach all regions closely related to electrical energy consumption and electricity efficiency in Indonesia. Smart meters with the application of Advanced Metering Infrastructure (AMI) with LoRa communication technology provide a solution to measure the energy consumption used, voltage, and other parameters in real-time coverage of remote areas, strong signal strength, and operating at low power. This study discusses the signal quality of LoRa communication media on smart meters that are applied at the FT UI location. To determine the quality LoRa on the smart meter is tested for the success of the system to ensure that the test data is successfully sent from the receiver to the gateway and server as evidenced by the results of the RSSI and SNR values at 4 location points which are still within the minimum LoRa limit for sending signals from the receiver to the transmitter. In testing with a distance of 33.77 m, the average RSSI is -115.7 dBm and an SNR of -2.3 dB. Testing with a distance of 102.7 m resulted in an average RSSI of -117.4 dBm and an SNR of -11.30695652 dBm. Testing with a distance of 81.74 m resulted in an average RSSI value of -118.2173913 dB and an SNR of -12.46869565 dB Testing with a distance of 156.96 m produces an average RSSI value of -118.3625 dBm and an SNR of -12.6525 dB. The farther the test location is from the gateway, the lower the RSSI and SNR values are negative and the signal quality gets worse . Apart from distance, the RSSI and SNR values can also be influenced by environmental obstacles such as trees, buildings, thick walls, etc. so that the RSSI and SNR testing with a distance of 102.7 m are higher than those of the test with a distance of 81.74 m."