Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penelitian ini mengembangankan sistem cloud telemetry untuk kendaraan berbasis CAN bus, sebuah protokol yang banyak digunakan dalam kendaraan untuk mengintegrasikan berbagai modul. Telemetri memainkan peran penting dalam memantau dan menganalisis kinerja kendaraan secara real time. Sistem cloud telemetry menerima data CAN bus dan menggunakan jaringan seluler sebagai media transmisi ke cloud. Pengujian sistem cloud telemetry membandingkan waktu transmisi saat cuaca cerah, hujan, dan propagasi yang berbeda-beda. Kondisi ini dipilih untuk mengetahui pengaruh cuaca terhadap keandalan dan kecepatan transmisi data. Hasil pengujian menunjukkan perbedaan waktu transmisi selama empat skenario yang berbeda. Waktu transmisi dapat didefinisikan sebagai waktu yang dibutuhkan untuk transmitter mengirim data ke server yang dapat disebutkan delay transmisi. Waktu transmisi rata-rata skenario 1 (LOS - tidak ada hujan) adalah 1,41 detik. Waktu transmisi rata-rata skenario 2 (LOS - hujan sedang) adalah 1,56 detik. Waktu transmisi rata-rata skenario 3 (NLOS - tidak ada hujan) adalah 1,86 detik. Waktu transmisi rata-rata skenario 4 (NLOS - hujan deras) adalah 1,97 detik. Hasil penelitian menunjukkan bahwa hujan meningkatkan waktu transmisi, sementara ada nilai waktu transmisi yang lebih besar untuk propagasi NLOS jika dibandingkan dengan propagasi LOS. Oleh karena itu, hujan dan propagasi NLOS akan meningkatkan waktu transmisi atau delay ke cloud. Selain itu, sistem cloud telemetry menyediakan transmisi dan analisis data CAN bus secara real-time, sehingga memungkinkan para insinyur untuk mengambil keputusan yang tepat untuk kinerja kendaraan yang optimal. Kemampuan sistem untuk memberikan data yang tepat waktu dan akurat dalam kondisi cuaca buruk menjadikannya alat yang berharga untuk peningkatan kinerja kendaraan.

---

This thesis presents the development of a cloud telemetry system for vehicles that utilizes the CAN Bus Communication Protocol, a robust method widely used in vehicles for integrating various modules. Telemetry plays a crucial role in monitoring and analyzing the performance of a vehicle in real time. The cloud telemetry system receives CAN bus data and utilizes cellular networks as its transmission media to the cloud. The testing of the proposed cloud telemetry system compares the transmission time during clear weather, moderate rain, and different propagations. These conditions were chosen to understand the impact of weather on the reliability and speed of data transmission. The results of the testing show a difference in the transmission time during four different scenarios. Transmission time can be defined as the time required for the transmitter to send data to the server which can also be referred to as transmission delay. The average transmission time during scenario 1 (LOS - no rain) is 1.41 seconds. The average transmission time during scenario 2 (LOS - moderate rain) is 1.56 seconds. The average transmission time during scenario 3 (NLOS - no rain) is 1.86 seconds. The average transmission time during scenario 4 (NLOS - heavy rain) is 1.97 seconds. The results show that rain does increase transmission time, while there is a greater transmission time for NLOS propagation when compared to LOS propagation. Therefore, rain and NLOS propagation will increase transmission time or latency to the cloud. Furthermore, the cloud telemetry system provides real-time CAN bus data transmission and analysis, enabling the ability to make informed decisions for optimal vehicle performance. The system’s ability to deliver timely and accurate data under adverse weather conditions makes it a valuable tool for performance enhancement."

"Pada saat ini, dunia air modelling menggunakan helikopter mini sudah banyak digemari orang. Agar dapat bernavigasi secara autonomous sebuah helikopter yang cerdas tentunya harus mampu mengenali keadaan lintasan yang akan ditempuhnya. Untuk itu diperlukan sebuah sistem navigasi yang mampu mendeteksi dan menghindari objek ? objek rintangan.Skripsi ini mengimplementasikan suatu aplikasi dari sensor sonar untuk mendeteksi objek-objek rintangan dan kompas digital sebagai sistem navigasi otomatis pada penerbangan helikopter dengan tujuan agar helikopter dapat menghindari rintangan yang ada di depannya. Untuk itu, helikopter yang dirancang harus memiliki kemampuan mendeteksi objek-objek penghalang yang bersifat statis maupun dinamis. Untuk tujuan tersebut, maka sistem ini dilengkapi dengan sebuah motor servo dc yang digunakan untuk men-scanning lingkungan lintasannya secara real time.Sensor sonar dan kompas digital yang digunakan berupa modul yang terintegrasi dengan mikrokontroler. Data yang diperoleh dikirimkan secara telemetry ke komputer untuk selanjutnya diolah dan dimonitor. Dari program, penerbangan helikopter akan dipandu agar dapat menghindari rintangan.Skripsi ini berhasil mensimulasikan sistem navigasi helikopter untuk menghindari rintangan pada cakupan 10 meter di depannya.

---

The people. To navigate autonomously, a smart helycopter must can identify its path condition. For that reason, the helycopter needs a navigation system that can detects and avoids obstacle objects.This final project applys an application of sonar sensor to detect obstacle objects and a digital compass as an automatic helicopter navigation system to avoid obstacle on the face. So that, the designed helicopter must have ability to detect static and dynamic obstacle objects. Because of that, the system should be completed with a servo dc motor which is used for scanning its path environment in real time.The sonar and digital compass used in this project is a modul which is integrated to microcontroller. Data from sonar and digital compass is then sent via telemetry system to computer for later processed and monitored. From navigation program, the helycopter will be guided in order to avoid the obstacle.Finally, this final project is succeed in simulating helycopter navigation system to avoid obstacle in the range 10 metres on the face."

"In this book, space systems are situated in the global processes of the 21st century?s information society and the role that space information systems could play in risk management is determined, methods of detecting and forecasting of both natural disasters and technogenic catastrophes and existing global and regional monitoring systems are described, and the IGMASS is introduced with its architecture and design concept and social and economic aspects and estimates of its creation, development, and utilization. Finally, results of the international symposium held in Limassol, Cyprus, in November 2009 in preparation of the IGMASS project?s submission to the United Nations are discussed"

"Krisis energi global mendorong inovasi kendaraan listrik sebagai solusi transportasi ramah lingkungan dengan efisiensi tinggi. Kendaraan listrik, seperti Kalabia EV III yang dikembangkan oleh tim Universitas Indonesia memerlukan sistem telemetri untuk memantau parameter kinerja secara real-time. Skripsi ini bertujuan merancang dan mengimplementasikan sistem live telemetry untuk memantau data kendaraan listrik menggunakan teknologi LoRaWAN dan jaringan seluler, serta membandingkan kinerja kedua media transmisi tersebut dalam hal packet loss, time on air, dan stabilitas transmisi data. Sistem ini dirancang menggunakan modul ESP32 sebagai microcontroller utama untuk mengumpulkan data sensor seperti kecepatan, tegangan, dan lokasi kendaraan. Data tersebut dikirimkan secara wireless ke server untuk ditampilkan melalui dashboard web. LoRaWAN dipilih karena konsumsi daya rendah dan jangkauan luas, sedangkan jaringan seluler digunakan sebab keandalannya dalam pengiriman data pada protokol standar GPRS. Hasil pengujian menunjukkan bahwa LoRaWAN memiliki waktu pengiriman data (time on air) yang lebih cepat, berkisar antara 34–44 milidetik, tetapi mengalami kehilangan data (packet loss) yang signifikan pada jarak jauh atau kecepatan tinggi, dengan tingkat keberhasilan hanya 27,78% hingga 41,05%. Sebaliknya, jaringan seluler lebih stabil dengan tingkat keberhasilan pengiriman data 100%, meskipun memiliki time on air yang lebih lama, yaitu 62–67 milidetik. Jaringan seluler unggul dalam keandalan transmisi data untuk kondisi kompetisi seperti Shell Eco-marathon. Namun, LoRaWAN menjadi pilihan yang lebih cocok untuk digunakan apabila infrastruktur jaringan seluler pada lokasi seperti sirkuit tidak memadai.

---

The global energy crisis has driven innovation in electric vehicles (EVs) as a sustainable and highly efficient transportation solution. Electric vehicles, such as the Kalabia EV III developed by the Universitas Indonesia team, require telemetry systems to monitor performance parameters in real-time. This study aims to design and implement a live telemetry system for monitoring EV data using LoRaWAN and cellular network technologies while comparing the performance of both transmission media in terms of packet loss, time on air, and data transmission stability. The system was designed using the ESP32 module as the main microcontroller to collect sensor data such as speed, voltage, and vehicle location. The collected data is transmitted wirelessly to a server and displayed through a web dashboard. LoRaWAN was chosen for its low power consumption and wide coverage, while the cellular network was selected for its reliability in data transmission through standard GPRS protocols. The test results demonstrate that LoRaWAN achieves faster data transmission times (time on air), ranging from 34–44 milliseconds. However, it experiences significant packet loss over long distances or at high vehicle speeds, with a success rate of only 27.78% to 41.05%. Conversely, the cellular network exhibited superior stability, achieving a 100% data delivery success rate, albeit with a longer time on air of 62–67 milliseconds. Cellular networks excel in ensuring reliable data transmission under competitive conditions such as the Shell Eco-marathon. Nonetheless, LoRaWAN is a more suitable option when cellular network infrastructure is insufficient. "

"Penelitian ini bertujuan untuk menganalisis throughput dan latensi Kafka dan RabbitMQ sebagai message broker pada proyek Mata Elang. Percobaan dilakukan dengan scenario 10 kali putaran dengan menggunakan file PCAP yang terdiri dari smallflow.PCAP dan bigflow.PCAP. Perbedaan nilai throughput pada pengujian menggunakan Kafka dan RabbitMQ didapatkan cukup signifikan baik pada scenario pengujian menggunakan smallflow.PCAP (p= 0,002) dan bigflow.PCAP (p=0,003). Pada pengujian dengan scenario menggunakan smallflow.PCAP didapatkan rata-rata throughput untuk Kafka dan RabbitMQ masing-masing sebesar 0,13 ± 0,03 pps dan 0,10 ± 0,01 pps. Sementara itu pada scenario pengujian menggunakan bigflow.PCAP didapatkan rata-rata throughput untuk Kafka dan RabbitMQ masing-masing sebesar 0,21 ± 0,07 dan 0,11 ± 0,02. Perbedaan nilai latensi pada pengujian menggunakan Kafka dan RabbitMQ didapatkan cukup signifikan baik pada scenario pengujian menggunakan smallflow.PCAP (p= 0,002) dan bigflow.PCAP (p=0,003). Pada pengujian dengan scenario menggunakan smallflow.PCAP didapatkan rata-rata latensi untuk Kafka dan RabbitMQ masing-masing sebesar 8,26 ± 3,51 sekon dan 9,73 ± 0,95 sekon. Sementara itu pada scenario pengujian menggunakan bigflow.PCAP didapatkan rata-rata throughput untuk Kafka dan RabbitMQ masing-masin sebesar 5,06 ± 1,23 sekon dan 7,20 ± 0,47 sekon.

---

This study aims to analyze the throughput and latency of Kafka and RabbitMQ as message brokers in the Mata Elang project. Experiments were conducted with 10 rounds of testing using PCAP files consisting of smallflow.PCAP and bigflow.PCAP. The difference in throughput values in the testing using Kafka and RabbitMQ was found to be significant in both the smallflow.PCAP scenario (p=0.002) and the bigflow.PCAP scenario (p=0.003). In the testing scenario using smallflow.PCAP, the average throughput for Kafka and RabbitMQ was 0.13 ± 0.03 pps and 0.10 ± 0.01 pps, respectively. Meanwhile, in the testing scenario using bigflow.PCAP, the average throughput for Kafka and RabbitMQ was 0.21 ± 0.07 pps and 0.11 ± 0.02 pps, respectively. The difference in latency values in the testing using Kafka and RabbitMQ was found to be significant in both the smallflow.PCAP scenario (p=0.002) and the bigflow.PCAP scenario (p=0.003). In the testing scenario using smallflow.PCAP, the average latency for Kafka and RabbitMQ was 8.26 ± 3.51 seconds and 9.73 ± 0.95 seconds, respectively. Meanwhile, in the testing scenario using bigflow.PCAP, the average latency for Kafka and RabbitMQ was 5.06 ± 1.23 seconds and 7.20 ± 0.47 seconds."

"Penelitian ini bertujuan untuk menganalisis dan membandingkan ukuran ow terhadap FCT slowdown dari empat protokol network telemetry, yaitu INT, PINT, LINT, dan DINT, dalam mekanisme High Precision Congestion Control (HPCC) menggunakan simulator NS3. Implementasi HPCC bertujuan untuk mengoptimalkan kinerja jaringan berkecepatan tinggi dengan meminimalkan latensi dan mengontrol congestion secara e sien menggunakan teknik network telemetry. Dalam penelitian ini, metrik yang digunakan untuk evaluasi adalah Flow Completion Time (FCT) slowdown, yang mem- bandingkan FCT antara ow yang mengandung data telemetry dan ow yang tidak. Hasil dari simulasi ini memberikan wawasan tentang keunggulan masing-masing protokol pada mekanisme HPCC dengan berbagai skenario jaringan.

---

This study aims to analyze and compare the ow size against the FCT slowdown of four network telemetry protocols: INT, PINT, LINT, and DINT, within the High Precision Congestion Control (HPCC) mechanism using the NS3 simulator. The implementation of HPCC aims to optimize the performance of high-speed networks by minimizing latency and ef ciently controlling congestion using network telemetry techniques. In this study, the metric used for evaluation is Flow Completion Time (FCT) slowdown, which compares the FCT between ows containing telemetry data and those that do not. The simulation results are provide insights into each protocol’s advantages in various network scenarios."

"This book provides a comprehensive guide to the state-of-the-art in cardiovascular computing and highlights novel directions and challenges in this constantly evolving multidisciplinary field. The topics covered span a wide range of methods and clinical applications of cardiovascular computing, including advanced technologies for the acquisition and analysis of signals and images, cardiovascular informatics, and mathematical and computational modeling."