Hasil Pencarian  ::  Simpan CSV :: Kembali

"Telah dilakukan pengembangan sistem registrasi 2D/2D untuk verifikasi posisi pasien radioterapi berbasis bahasa C++ dengan tiga metode yaitu rigid transform, Viola-Wells mutual information dan Mattes mutual information. Implementasi sistem registrasi citra otomatis yang dikembangkan menggunakan data sekunder 34 pasien kanker nasofaring didapatkan hasil koreksi maksimum untuk rigid transform sebesar (2,79 ± 0,41) mm, Viola-Wells mutual information sebesar (2,77 ± 0,64) mm dan Mattes mutual information sebesar (2,69 ± 0,68) mm. Namun dalam proses uji validasi menggunakan fantom CIRS tidak berhasil dilakukan karena kontras citra EPID setelah melalui tahapan pre-processing tidak jauh berbeda.

---

Has been developed registration system 2D/2D for verifying patient’s radiotherapy position based on C++ languages which consist of 3 registration methods such as rigid transform, Viola-Wells mutual information and Mattes mutual information. Implementation of automatic image registration system that has been developed using secondary data from 34 Nasopharyngeal Cancer patients are obtained maximum correction at about (2,79 ± 0,41) mm, (2,77 ± 0,64) mm and (2,69 ± 0,68) mm for rigid transform, Viola-Wells mutual information and Mattes mutual information, respectively. However in the validation test using CIRS phantom is not success because the image contrast of EPID after pre-processing was not significantly different."

"ABSTRAKNavigasi otomatis pada drone sedang banyak dikembangkan dari berbagai macam jenis drone dan fungsi otomasinya. Drone yang digunakan pada skripsi ini berupa pesawat dengan empat buah baling-baling atau quadcopter. Skripsi ini membahas tentang sistem otomasi drone dengan menggunakan metode image processing. Tahapan yang pertama pada metode ini adalah feature detection untuk membaca tepi-tepi atau ujung dari suatu benda berdasarkan metode Shi-Tomasi. Data yang didapatk akan diolah pada tahapan optical flow. Tahapan ini dilakukan untuk menentukan jarak atau keberadaan suatu benda yang didasari oleh metode Lucas-Kanade. Namun karena sifatnya yang otomatis, drone tidak dapat terhindar dari kecelakaan jika terjadi kesalahan pembacaan hasil gambar. Untuk mengurangi kesalahan pembacaan, penulis menambahkan sistem sensor ultrasonik. Dengan pembacaan pada jarak tertentu sensor akan membantu pembacaan rintangan yang berada pada lintasan. Pengolahan citra sistem otomasi drone akan diuji coba dengan software OpenCV dan Microsoft Visual Studio. Selanjutnya akan diunduh pada Robot Operating System ROS pada drone. Visual feedback control berbasis pengendali PID digunakan sebagai kendali pengerak drone. Drone yang digunakan pada skripsi ini berupa pesawat dengan empat buah baling-baling atau quadcopter. Disini akan dibahas bagaimana cara kerja antara sensor kamera dan sensor ultrasonik bekerja terintegrasi secara bersamaan agar drone dapat menghindari rintangan secara otomatis.

---

ABSTRACTAutomatic navigation on the drone is being developed on these days, from a wide variety of types of drones and its automatic functions. Drones used in this study is an aircraft with four propellers or quadcopter. This research discusses the drone automation system using image processing methods. The first stages in this method is the feature detection to read the edges or corner of an object based on the Shi Tomasi method. Then the data will be processed on the of optical flow phases. This stage will determine the distance or the presence of an object based on the Lucas Kanade method. Furthermore, the object distance is close and there on the track drones will be grouped and considered as obstacles using grouping stage based on the method of K means. But because it is automatic, drones can rsquo t avoid an accident if an error occurs reading the images. To reduce reading errors, the author adds ultrasonic sensor system. With a reading at a certain distance, sensor helps readings obstacles that are on the track. Drone image processing automation system will be tested with OpenCV software and Microsoft Visual Studio. Next the program will be downloaded on the Robot Operating System ROS on the drone. Visual feedback control based PID controllers are used as a control of drones movement. This paper will be discussed how to work the camera sensor and ultrasonic sensor working together so that the drones can avoid obstacles automatically."

"Dalam penelitian ini, telah dibuat sebuah sistem akuisisi data 32-channel berbasis Field Programmable Gate Array FPGA untuk mengakuisisi dan memroses sinyal Electroencephalography EEG . Sistem akuisisi data yang dibangun menggunakan board PYNQZ1, dengan Xilinx ZYNQ XC7Z20-1CLG400C All Programmable System-on-Chip APSoCs yang dapat memberikan sebuah sistem tertanam dengan performa tinggi, karena memiliki kombinasi antara fleksibilitas serta versatility dari programmable logic PL dengan prosesor embedded atau programmable system PS dengan kecepatan tinggi. Sebagai pusat dari sistem akuisisi data yang dibangun, FPGA menerima, memproses, dan menyimpan data dari Front-End Analog to Digital Converter ADC ADS1299EEG-FE. Komunikasi data yang digunakan dalam sistem akuisisi data yang dibangun adalah Serial Peripheral Interface SPI dengan konfigurasi daisy-chain. Untuk bagian pemrosesan sinyal, penulis mengimplementasikan filter bandpass Butterworth dengan orde 5 dan Fast Fourier Transform FFT pada overlay dari PYNQ-Z1. Overlay merupakan desain FPGA yang dapat dikonfigurasi sehingga menghubungkan PS pada ZYNQ dengan PL, memberikan penulis kemampuan untuk mengendalikan secara langsung platform hardware memanfaatkan Python pada PS. Rerata dari error akurasi yang didapatkan dari hasil validasi adalah 1.34 dan kriteria performa Total Harmonic Distortion THD menghasilkan 0.0091 , dengan memanfaatkan NETECH MiniSIM EEG Simulator 330. Perbandingan dari sistem akuisisi data dengan Neurostyle NS-EEG-D1 System yang mengambil data EEG yang sama menghasilkan parameter korelasi gradien dengan 0.9818, y-intercept dengan -0.1803, dan R2 dengan 0.9742 berdasarkan analisis least square. Parameter tersebut memperlihatkan sistem akusisi data yang telah dibangun cukup, jika tidak setara, dengan sistem akuisisi data komersil dengan standar medis, yaitu Neurostyle NS-EEG-D1 System, karena dapat memastikan dan mempertahankan akurasi dengan konfigurasi frekuensi sampling yang lebih tinggi.

---

This study proposes a novel Field Programmable Gate Array FPGA based 32 channel data acquisition system to acquire and process Electroencephalography EEG signal. The data acquisition system is utilizing PYNQ Z1 board, which is equipped with a Xilinx ZYNQ XC7Z020 1CLG400C All Programmable SoC APSoCs that can offer high performance embedded system because of the combination between the flexibility and versatility of the programmable logic PL and the high speed embedded processor or programmable system PS . As the core of the data acquisition system, the FPGA collect, process, and store the data based on Front End Analog to Digital Converter ADC ADS1299EEG FE. The communication protocol used in the data acquisition system is Serial Peripheral Interface SPI with daisy chain configuration. For the signal processing part, we implement a 5th order Butterworth bandpass filter and Fast Fourier Transform FFT directly on the PYNQ Z1 rsquo s overlay. The overlay are configurable FPGA design that extend the system from the PS of the ZYNQ to the PL, enabling us to control directly the hardware platform using Python running in the PS. The mean accuracy error obtained from validation result of the developed system is 1.34 and the Total Harmonic Distortion THD performance criterion resulting in 0.0091 , both of them validated with NETECH MiniSIM EEG Simulator 330. The comparison between the developed system with Neurostyle NS EEG D1 System acquiring the same EEG data shows correlation parameter gradient of 0.9818, y intercept with 0.1803, and R2 of 0.9742 based on the least square analysis. The parameter above indicates that the developed system is adequate enough, if not on a par, with the commercialized, medical grade EEG data acquisition system Neurostyle NS EEG D1 as it can assure and maintain accuracy with higher sampling frequency."

"Penderita gangguan depresi semakin meningkat setiap tahunnya, terutama pada generasi muda. Hal ini membawa urgensi tentang pentingnya menjaga kesehatan mental, terlebih lagi WHO melaporkan bahwa depresi sangat mempengaruhi kualitas hidup dan menjadi penyebab dari meningkatnya risiko gangguan kesehatan lainnya. Kesalahan diagnosis seringkali terjadi pada depresi, maka dari itu sangat penting untuk mengembangkan pendekatan objektif untuk membantu dokter mendiagnosis depresi secara lebih efektif. Elektroensefalografi (EEG) merupakan teknologi berbasis sinyal otak yang dapat merekam aktivitas jaringan otak. Penelitian ini bertujuan untuk membuat program analisis gangguan depresi berbasis Machine Learning. Aplikasi Graphical User Interface (GUI) juga dibuat untuk mempermudah pengguna. Pemrosesan sinyal dilakukan dengan dua metode, yakni wavelet dan Power Spectral Density (PSD). Relative Power Ratio (RPR) dihitung sebagai fitur klasifikasi. Perhitungan dominansi juga dilakukan untuk mereduksi jumlah fitur. Fitur dengan dominansi tertinggi akan digunakan untuk membuat model klasifikasi Machine Learning. Pengklasifikasi yang digunakan adalah K-Nearest Neighbor (KNN) dengan cross validation. Akurasi tertinggi yang diperoleh mencapai 70% dengan metode wavelet dan 65% dengan metode PSD.

---

The number of individuals suffering from depressive disorder (also known as major depressive disorder or MDD) is increasing every year, especially among the younger generations. This highlights the urgency of prioritizing mental health, especially considering the World Health Organization’s report that depression significantly affects the quality of life and increases the risk of other health disorders. Misdiagnosis often occurs in cases of depression, making it crucial of develop an objective approach to help doctors diagnose depression more affectively. Electroencephalography (EEG) is a brain signalbased technology that records brain network activity. This research aims to create a machine learning-based program for analyzing depressive disorders. Additionally, a Graphical User Interface (GUI) application is developed to facilitate users. Signal processing is performed using two methods, namely wavelet and Power Spectral Density (PSD). The Relative Power Ratio (RPR) is calculated as a classification feature. Dominance computation is also conducted to reduce the number of features, and the feature with highest dominance are used to create the Machine Learning classification model. The classifier used is K-Nearest Neighbor (KNN) with cross-validation. The highest accuracy achived is 70% with the wavelet method and 65% with the PSD method."

"Luasnya dampak negatif gangguan depresi terhadap kehidupan seseorang membawa urgensi akan pentingnya metode diagnosis yang akurat dan objektif agar bisa menerapkan langkah pengobatan yang cepat pada pasien yang depresi. Metode diagnosis gangguan depresi yang berbasis kuesioner atau wawancara berpotensi subyektif, karena pasien bisa saja tidak menceritakan dengan detail kondisi yang dialaminya. EEG dapat menjadi sarana alternatif untuk mencapai diagnosis yang akurat dan objektif tersebut. Sinyal EEG mengandung banyak fitur yang dapat diekstrak dengan mudah, contohnya Relative Power Ratio (RPR). Penelitian ini mengekstrak fitur RPR dari sinyal EEG dengan menggunakan dua metode, yaitu STFT (Short-Time Fourier Transform) dan PSD (Power Spectral Density) dari 14 elektroda EEG yang tersedia. Fitur RPR yang diekstrak akan direduksi menggunakan algoritma PCA (Principal Component Analysis) ke dalam dimensi yang lebih rendah dengan tetap mempertahankan variansi (informasi) fitur sebesar 90%. Model ANN (Artificial Neural Network) dengan jenis FNN (Feedforward Neural Network) digunakan untuk klasifikasi pasien yang sehat dengan yang depresi. Dampak dari algoritma PCA akan dilihat pada performa model FNN dan lama waktu pelatihan yang dibutuhkan model FNN. Performa model yang akan diukur adalah akurasi, sensitivitas dan spesifisitas. Performa model akan divalidasi menggunakan 10-Fold Validation yang dijalankan sebanyak 10 iterasi. PCA berhasil mereduksi dimensi fitur RPR sebesar 57.1% dengan metode PSD dan 57.1% dengan metode STFT. Akurasi tertinggi yang didapatkan model FNN adalah 69.5% ketika menerapkan algoritma PCA pada RPR metode PSD, dan 68% ketika menerapkan algoritma PCA pada fitur RPR metode STFT. Penerapan PCA pada fitur RPR menurunkan waktu pelatihan model sebesar 6.33% dengan metode PSD dan sebesar 42.56% dengan metode STFT. Performa model FNN lebih baik setelah penerapan PCA dibandingkan dengan menggunakan fitur RPR langsung ke dalam model FNN. Hal ini menunjukkan bahwa PCA memiliki potensi untuk menurunkan waktu pelatihan model FNN dengan tetap mempertahankan performa model FNN.

---

The extent of the negative impact of depressive disorder on a person’s life raises the urgency of the importance of an accurate and objective diagnostic method to quickly apply treatment steps for depressive patients. Diagnostic method that based on questionnaire and interview has the potential to be subjective, because the patient might be not fully explain his condition. EEG or Electroencephalography could be an alternative way to achieve the accurate and objective diagnostic. EEG signal has many features that can be extracted easily, for example the Relative Power Ratio. This research extracted RPR features from EEG signal by implementing two methods, STFT (Short-Time Fourier Transform) and PSD (Power Spectral Density) from 14 available EEG electrodes. The extracted RPR features will be reduced by using PCA algorithm to a lower dimension while still retaining 90% variance (information) from the features. ANN (Artificial Neural Network) with the type of FNN (Feedforward Neural Network) will be used to classify healthy patients with depressed patients. The effect of PCA algorithm will be seen on the FNN model’s performances and on the training duration of the FNN model. Model’s performances that will be measured are accuracy, sensitivity, and specificity. Model’s performances will be validated by using 10-Fold Validation which will be executed for 10 iterations. PCA managed to reduce 57.1% RPR features’ dimensions by using PSD method and 57.1% by using STFT method. The highest accuracy achieved by FNN model is 69.5% when implementing PCA algorithm to the RPR features from the PSD method, and 68% when implementing PCA algorithm to the RPR features from STFT method. The implementation of PCA to the RPR features managed to reduce 6.33% training duration of FNN model for the PSD method and 42.56% for the STFT method. Better FNN model’s performances are shown after the implementation of PCA algorithm compared to when using the RPR features directly to the FNN model. This shows that PCA has a potential of reducing the training duration of the FNN model while still retaining FNN model’s performances."

"Pola konsumsi pangan masyarakat Indonesia saat ini telah beralih dari sekedar pemenuhan kebutuhan dasar menjadi pola konsumsi makanan sehat yang disebut sebagai pangan fungsional. Beras berpigmen masuk kedalam jenis makanan fungsional karena mengandung banyak antioksidan yang berasal dari antosianin. Namun beras berpigmen dinilai mudah apek jika disimpan terlalu lama. Teknologi iradiasi dapat digunakan untuk mengawetkan makanan secara aman dan efektif sehingga dapat memperpanjang umur simpannya. Penyinaran radiasi gamma dengan dosis tertentu dapat menyebabkan terjadinya perubahan komposisi nutrisi yang terkandung dalam beras. Sehingga perlu dilakukan pengukuran kandungan nutrisi beras berpigmen pasca iradiasi untuk menjamin kesesuaian gizi pada beras tersebut.  Penelitian ini dilakukan untuk membangun sistem multi-output yang mampu memprediksi kadar total antosianin dan kadar air pada beras berpigmen teriradiasi berbasis pencitraan hiperspektral. Evaluasi model dilakukan dengan menghitung nilai root mean square error (RMSE) dan koefisien determinasi R2 dari model multi-output dan membandingkan performanya dengan model single-output. Hasilnya didapatkan bahwa model multi-output Spectral Xception mampu melakukan prediksi yang sangat baik dengan performa pengujian kadar total antosianin menghasilkan nilai RMSE sebesar 0,9105 dan R2 sebesar 0,9963, serta pengujian kadar air bernilai RMSE sebesar 0,2529 dan R2 sebesar 0,9784. Selain itu, model multi-output secara umum lebih efisien dibandingkan single-output karena proses pelatihannya 48% lebih cepat. Pada penelitian ini juga dilakukan evaluasi performa model multi-output Spectral Xception saat menggunakan dataset yang berbeda.

---

Food consumption pattern of the Indonesian people has shifted from merely fulfilling basic needs to becoming a healthy food consumption which is referred to functional food. Pigmented rice can be categorized as a type of functional food because it contains antioxidants derived from anthocyanins. However, pigmented rice is considered to be easily stale when stored for too long. Irradiation technology can be used to safely and effectively preserve food to extend its shelf life. Utilization of gamma radiation irradiation with certain doses can cause changes in the composition of the nutrients contained therein. So it is necessary to measure the nutritional content of post-irradiation pigmented rice to ensure the nutritional suitability of the rice. This research was conducted to develop a multi-output system to predict total anthocyanin content and water content in irradiated pigmented rice based on hyperspectral imaging. Model evaluation has been carried out by calculating the root mean square error (RMSE) value and the coefficient of determination R2 of the multi-output model and comparing its performance with the single-output model. The results showed that the multi-output spectral xception model was able to make very good predictions with test performance at total anthocyanin content RMSE values of 0.9105 and R2 0.9963, as well as testing for water content RMSE values of 0.2529 and R2 0.9784. In addition, the multi-output model is generally more efficient than the single-output model because the training process is 48% faster. This research also evaluates the performance of the multi-output spectral exception model when using different datasets."

"Beras merupakan bahan pangan pokok bagi masyarakat Indonesia. Biasanya masyarakat Indonesia memilih beras berdasarkan varietas karena masing-masing varietas memiliki karakteristik cita rasa, tekstur, dan aroma yang berbeda-beda. Pada aspek kesehatan, masyarakat dapat memilih beras berdasarkan teknik budi daya, yaitu organik atau anorganik. Namun, pada saat ini belum ada instrumen yang mampu mengidentifikasi varietas dan teknik budi daya beras. Penelitian ini dirancang untuk membuat sistem pengenalan varietas dan teknik budi daya beras berbasis citra hiperspektral dengan rentang panjang gelombang 400 – 1000 nm. Sistem dirancang menggunakan multi-output multi-class dengan arsitektur AlexNet. Dalam proses pembangunan sistem, citra yang masuk ke dalam sistem disegmentasi menjadi bagian kecil yang disebut sebagai region of interest (ROI). Penelitian ini melakukan eksperimen variasi ukuran ROI sebesar 32x32, 36x36, dan 40x40. Hasil akurasi pengujian yang cukup baik diperoleh dari model multi-output dengan ukuran ROI 40x40. Hasil akurasi pengujian yang diperoleh adalah sebesar 95,14% untuk output varietas dan 96,43% untuk output teknik budi daya. Melalui eksperimen ini, sistem multi-output multi-class berbasis citra hiperspektral terbukti mampu mengidentifikasi varietas dan teknik budi daya beras sekaligus.

---

Rice is a staple food for Indonesian people. Usually, they choose rice based on varieties because each variety has different characteristics of taste, texture, and aroma. In health aspect, they can choose rice based on cultivation techniques such as organic or conventional. However, at this time there is no instrument that can identify variety and cultivation technique of rice. This research is designed to create a recognition system of both variety and cultivation technique based on hyperspectral image with a wavelength range of 400 – 1000 nm. The system is designed using multi-output multi-class with AlexNet architecture. In the system development process, the images that enter the system are segmented into small parts called region of interest (ROI). This study conducted an experiment with ROI variation size of 32x32, 36x36, and 40x40. A good test results are obtained from ROI size of 40x40. The test accuracy results are 95.14% for variety ouput and 96.43% for cultivation technique output. Through this experiment, a multi-output multi-class system based on hyperspectral image was proven to be able to identify variety and cultivation technique of rice at the same time."

"Alkalinitas memegang peranan penting dalam keseimbangan pH dalam air. Strip uji air sebagai instrumen pengukuran kadar alkalinitas total yang murah dan praktis digunakan tidak dapat memberikan hasil yang optimal karena perubahan warna dilihat dengan mata telanjang. Pada penelitian ini, dikembangkan sistem pembacaan perubahan warna barcode uji menggunakan analisis citra berbasis kamera ponsel pintar. Barcode uji merupakan pengembangan strip uji air yang terdiri dari tiga bagian sehingga berbentuk kotak menyerupai barcode. Pengaruh kompresi citra terhadap kualitasnya beserta tipe file citra sebagai input sistem yang dibangun juga akan dibahas lebih dalam pada penelitian ini. Barcode uji diambil menggunakan kamera ponsel pintar Samsung Galaxy A72, Huawei Nova 5T, dan RealMe 3Pro. Kompresi kualitas citra dilakukan dengan metode DCT dari kualitas 10% – 100% untuk memperkecil ukuran file citra tanpa mereduksi banyaknya informasi serta mempermudah proses transmisi data. Citra disegmentasi dan dikoreksi warnanya menggunakan metode Polynomial Color Correction (PCC) untuk kemudian dijadikan input dalam membangun sistem pengklasifikasi dan pengukuran kadar alkalinitas total air dengan arsitektur AlexNet. Metode segmentasi dan koreksi warna yang dibangun berhasil dilakukan pada tipe file citra JPG, PNG, BMP, dan TIF, namun dengan memerhatikan ukuran file dan nilai koreksi warna (Delta E), maka tipe file JPG dipilih sebagai tipe file input citra. Kinerja metode kompresi DCT dievaluasi menggunakan parameter PSNR, dimana kualitas maksimum yang masih mampu dijadikan sebagai input sistem yang dibangun adalah kualitas 80%. Arsitektur AlexNet sebagai model klasifikasi memiliki akurasi sebesar 99,5% dan model regresi memiliki nilai R2 = 0,995 dan RMSE = 4,249. Validasi model menggunakan air minum, air PAM sebagai air kebutuhan sanitasi, dan air kolam renang dengan arsitektur AlexNet menghasilkan nilai R2 = 0,906 dan RMSE = 8,861 untuk model regresi dan akurasi sebesar 90,8% untuk model klasifikasi.

---

Alkalinity plays important role in pH balance in the water. Water test strips an instrument for measuring total alkalinity levels, which are less expensive and easy to use, unfortunately cannot provide the optimal results because the color changes seen with the naked eye. In this study, a test barcode color change reading system was developed using a smartphone-based image analysis. The test barcode is the development of water test strip that consisting of three parts so that it is in the form of a square looks like barcode. The effect of image compression quality and the type of image file as input on system will be discussed. The test barcode image was taken using smartphone Samsung Galaxy A72, Huawei Nova 5T, and RealMe 3Pro. Image quality compression using DCT method from quality 10% – 100% to reduce image file size without reducing more of information and simplifying the data transmission process. The image will be segmented and color corrected applied using the Polynomial Color Correction (PCC) method to then be used as input on total alkalinity classification system and measurement system in water using AlexNet architecture. The segmentation and color correction methods has been successfully tested on JPG, PNG, BMP, and TIF image type files, but based on the file size and corrected value (Delta E), the JPG type file is chosen as the image input type file. The performance of DCT compression method is evaluated using PSNR, where the maximum quality that can still be used as input of system is 80%. AlexNet architecture as a classification model has an accuracy of 99,5% and the regression model has value of R2 = 0,995 and RMSE = 4,249. Model validation using drinking water, pool water, and PAM water as hygiene and sanitation water with AlexNet architecture resulted value of R2 = 0,906 and RMSE = 8,861 for the regression model and an accuracy of 90,8% for the classification model. "

"Pada penelitian ini medan magnet akan ditingkatkan untuk mendapatkan konstanta verdet yang bervariasi Kumparan dengan diameter 2 mm dan hambatan 1,5 Ohm dirancang untuk menghasilkan medan magnet kuat hingga mencapai 500 mT. Kumparan akan dilewatkan arus maksimum 20 A dan tegangan maksimum 30 V. Namun kumparan 2 mm yang dilewati arus sebesar 20 A akan menimbulkan panas berlebih yang mengganggu kestabilan besar medan magnet yang dihasilkan sehingga diperlukan penambahan sebuah sistem pendingin menggunakan blok air yang ditempelkan pada inti magnet dan kumparan. Apabila medan magnet kuat memengaruhi material mengneto-optik (MOE) fase cair yang dilewatkan cahaya maka disebut sebagai metode rotasi faraday. Metode rotasi faraday digunakan untuk mencari besar konstanta verdet. Konstanta verdet merupakan representasi karakteristik material magneto-optik (MOE) fase cair. Pada penelitian ini untuk mendapatkan nilai konstanta verdet, nilai yang diukur adalah besar medan magnet, besar sudut cahaya yang terpolarisasi, dan intensitas cahaya. Menggunakan cahaya laser merah berbentuk titik dengan panjang gelombang 650 nm dengan intensitas cahaya maksimum sebesar 54612 lux. Perubahan sudut dilakukan menggunakan gir yang terhubung degan stteper motor dan sistem analisator. Pengambilan data menggunakan teknik polarisasi yang terpengaruh oleh medan magnet eksternal. Nilai medan magnet yang terukur oleh teslameter dengan variasi antara -250—250 mT. Sudut rotasi faraday diperoleh dari selisih besar sudut polarisator dan analisator dengan selisih sudut mula-mula sebesar 45°. Cahaya yang melewati polarisator dan analisator akan terdeteksi oleh sensor cahaya BH1750. Hasil penelitian ini akan menunjukkan besar konstanta verdet dari setiap material magneto-optik (MOE) fase cair.

---

In this research, the magnetic field will be increased to obtain a variable verdet constant. The coil with a diameter of 2 mm and a resistance of 1.5 Ohm is designed to produce a strong magnetic field up to 500 mT. The coil will pass a maximum current of 20 A and a maximum voltage of 30 V. However, a 2 mm coil that is passed by a current of 20 A will cause excessive heat which disrupts the stability of the large magnetic field produced, so it is necessary to add a cooling system using a water block attached to the magnetic core and coil. If a strong magnetic field affects the magneto-optic element (MOE) that is passed by light, it is called the Faraday rotation method. Faraday rotation method is used to find the verdet constant. The verdet constant is a representation of the characteristics of the liquid phase magneto-optic element (MOE). In this research to obtain the value of the verdet constant, the measured values are the magnitude of the magnetic field, the angle of polarized light, and the intensity of light. Using red laser light in the form of a point with a wavelength of 650 nm with a maximum light intensity of 54612 lux. Angle changes are carried out using gears connected to the stepper motor and analyzer system. Data retrieval using a polarization technique that is affected by an external magnetic field. The value of the magnetic field measured by the teslameter varies between -250—250 mT. Faraday rotation angle is obtained from the large difference between the polarizer and the analyzer angle with the initial angle difference of 45°. Light that passes through the polarizer and analyzer will be detected by the BH1750 light sensor. The results of this study will show the magnitude of the verdet constant of each liquid phase magneto-optic element (MOE)."

"Kebutuhan masyarakat terhadap pemahaman intensitas curah hujan serta distribusi secara spasial dan temporal penting terhadap kewaspadaan kebencanaan. Pengamatan curah hujan yang real-time yang disertai prakiraan dapat menjadi dasar yang kuat untuk membangun sistem peringatan dini, khususnya banjir bandang, di mana dapat diamati dari curah hujan yang sangat tinggi dengan rentang waktu pendek. Sistem pengamatan permukaan untuk unsur curah hujan secara otomatis sudah diterapkan di Indonesia menggunakan tipping bucket. Citra satelit Himawari 9 dapat memberikan gambaran curah hujan secara spasial. Informasi peringatan dini potensi membutuhkan sistem pengiriman dan penerimaan data yang andal menggunakan basis pengiriman data melalui internet dengan berbagai protokol MQTT. Tujuan penelitian ini adalah untuk merancang sistem akuisisi data monitoring curah hujan realtime dari penakar hujan otomatis serta merancang sisem peringatan dini cuaca dengan penimbang citra satelit dalam bentuk website. Penelitian ini mampu memonitor curah hujan secara realtime per sepuluh menit dengan ketersediaan data 94,45% dan dapat meningkat hingga 99,0% dan dapat memberikan peringatan dini dengan tingkat kepercayaan sangat tinggi sebesar 73,59% dan tingkat kepercayaan tinggi sebesar 20,77%. Terdapat peringatan dini dengan tingkat kepercayaan rendah sebesar 4,45% yang diakibatkan oleh hujan lokal dengan skala spasial kurang dari 5x5 km2. Peringatan dini yang dihasilkan ditampilkan dalam antarmuka website.

---

The community's need to understand rainfall intensity and its spatial and temporal distribution is important for disaster awareness. Real-time rainfall observations accompanied by forecasts can be a strong basis for building an early warning system, especially for flash floods, where very high rainfall can be observed over a short time span. An automatic surface observation system for rainfall elements has been implemented in Indonesia using a tipping bucket. Himawari 9 satellite imagery can provide a spatial overview of rainfall. Potential early warning information requires a reliable data sending and receiving system using a data transmission base via the internet with various MQTT protocols. The aim of this research is to design a real-time rainfall monitoring data acquisition system from an automatic rain gauge and design a weather early warning system by weighing satellite images in the form of a website. This research is able to monitor rainfall in real time every ten minutes with data availability of 94.45% and can increase to 99.0% and can provide early warning with a very high level of confidence of 73.59% and a high level of confidence of 20.77% . There is an early warning with a low confidence level of 4.45% which is caused by local rain with a spatial scale of less than 5x5 km2. The resulting early warning is displayed in the website interface."