Hasil Pencarian  ::  Simpan CSV :: Kembali

"Telah dibuat suatu sistem data akusisi pada sistem telemetri dan monitoring posisi kereta api dan jalur relnya menggunakan sensor GPS (Global Positioning System) dan sensor akselerometer. Dengan kedua sensor tersebut dapat dimonitoring dan disimpan data-data berupa posisi, kecepatan dan arah serta data percepatan pada sumbu X, Y, dan Z. Data tersebut dapat dikirimkan dari RTU (Remote Terminal Unit) ke server menggunakan sarana SMS (Sort Message Service) yang kemudian dimonitor dengan grafik dislplay sebagai antarmuka dengan operator dan juga disimpan dalam logger.

---

Data acquisition has been made for train position data and its track by telemetry and monitoring system. The system bases on GPS (Global Positioning System) sensor and accelerometer sensor. Some data including position data, velocity and direction and also acceleration data in X, Y and Z axes can be monitored and logged. The data can be sent from RTU (Remote Terminal Unit) to server by SMS (Sort Message Service) and then can be monitored and logged too in server side."

"Telah dibuat sebuah sistem absensi kehadiran yang dapat dikendalikan jarak jauh dengan memanfaatkan koneksi internet. Jaringan utama yang dimanfaatkan untuk koneksi adalah jaringan LAN (Local Area Network) dan jaringan GPRS digunakan sebagai pendukung. Pada saat koneksi pada jaringan LAN terputus maka koneksi pada jaringan GPRS akan diaktifkan, sehingga koneksi pengiriman data tidak terhambat. MYSQL 5 dipakai untuk menyimpan database kehadiran yang ada. AET63BioTRUSTKey merupakan smartcard reader yang dilengkapi dengan scanner sidik jari. AET63BioTRUSTKey dikendalikan oleh Visual Basic 6 dipakai sebagai input data kehadiran. Selain untuk mengendalikan smartcard reader, Visual Basic 6 dipakai untuk menginputkan data ke database dengan memanfaatkan webservice yang ditulis dalam bahasa PHP. Data diri pemilik disimpan pada smartcard untuk dicocokan pada database.

---

Has been made an attended system that can be controlled from long distance using internet connection. The main connection is LAN (Local Area Network). GPRS connection is used for back up. When LAN connection is hang out the system will switch directly to GPRS system. MYSQL 5 is used for saving database attendance. AET63BioTRUSTKey is a smartcard reader with fingerprint scanner. Visual Basic 6 is used for controlling AET63BioTRUSTKey, switching connection and for database logger. Webservice that?s used is written in PHP code. The information ID is saved in smartcard to be compare with database data."

"Penelitian ini bertujuan untuk mengoptimalkan performance dari peralatan yang digunakan dalam pembuatan lapisan tipis (film), yang meliputi catu daya evaporator, pengukur tekanan, pengukur temperatur dan pengukur tebal lapisan tipis, agar dapat bekerja secara terintegrasi dan terkendali.Beberapa hal yang dilakukan dalam penelitian ini adalah mendisain dan membuat rangkaian pengendali temperatur, memperbaiki rangkaian pengukur tekanan, serta memodifikasi rangkaian catu daya evaporator agar dapat dikendalikan secara otomatis oleh pengukur laju evaporasi.Pada akhir penelitian ini:1. Temperatur lapisan tipis (film) selama evaporasi dapat dijaga konstan pada temperatur tertentu yang diinginkan dengan fluktuasi ± 5 %.2. Tekanan ruang vakum dapat diukur menggunakan sebuah pengukur tekanan, baik untuk mengukur tekanan yang lebih besar dari 10-3 mbar dengan metode termal maupun tekanan yang lebih kecil dari 10-3 mbar dengan metode ionisasi. Pergantian dua metode pengukuran tekanan tersebut berlangsung secara otomatis.3. Laju evaporasi, proses pemanasan awal (pre deposisi) dan tebal akhir lapisan tipis yang diinginkan dapat diprogram sebelumnya. Daya listrik yang diberikan catu daya ke evaporator diatur sepenuhnya oleh rangkaian pengendali.Oleh karena proses pembuatan lapisan tipis dengan cara evaporasi termal ini bekerja secara otomatis maka kualitas lapisan tipis yang dihasilkannya akan lebih baik dan bersifat repetitif."

"FPGA (Field-Programmable Gate Array) memiliki banyak sekali aplikasi, salah satunya adalah frequency generator. Frekuensi generator ini menghasilkan gelombang kotak dengan rentang frekuensi sebesar 1Hz-100MHz dengan resolusi 1Hz dengan menggunakan teknik Direct Digital Synthesis (DDS). FPGA ini diprogram menggunakan bahasa VHDL (VHSIC Hardware Description Language). Di dalam FPGA diprogram sebuah ?soft? mikrokontroler untuk interface dengan pengguna dalam mengatur frekuensi yang diinginkan dan juga untuk mengkalkulasi bilangan-bilangan untuk mengontrol frekuensi. Frekuensi dapat diatur dengan sebuah rotary encoder / switch, dan ditampilkan di layar LCD.

---

FPGA (Field-Programmable Gate Array) has many applications, one of the example is function generator. This function generator produced 1Hz-100MHz square wave with resolution of 1Hz, using Direct Digital Synthesis (DDS) technique. This FPGA programmed using VHDL (VHSIC Hardware Description Language). Inside the FPGA a soft microcontroller is programmed, to provide the human interface to frequency and perform high precision calculation in frequency synthesizer. The frequency can be with a rotary encoder / switch, and displayed in LCD."

"Skripsi ini berisikan tentang pembuatan alat ukur massa jenis zat cair yang dapat di gunakan secara otomatis untuk mengukur massa jenis suatu zat cair. Alat ukur ini dikerjakan secara otomatis karena menggunakan mikrokontroler ATMEGA 8535. Alat ukur massa jenis zat cair ini sama seperti neraca mohr. Yaitu alat ukur seperti timbangan. Dimana terdapat lengan neraca, yang akan berubah keadaannyapada saat beban sebelum dimasukkan dan sesudah dimasukkan kedalam suatu zat cair. Sebelum beban dimasukkan kedalam suatu zat cair,lengan neraca dalam keadaan setimbang, namun setelah beban dimasukkan kedalam suatu zat cair, lengan akan terangkat atau dalam posisi miring. Keadaan miring tersebut akan dicatat oleh sensor accelerometer ADXL 330. Baru kemudian akan kita dapatkan berapa massa jenis zat tersebut. "

"ABSTRAKIsu kesehatan mental merupakan sebuah isu yang sangat berkembang pesat pada masa ini. Remaja dan dewasa muda pada usia 16 hingga 30 tahun adalah korban utama yang menjadi penderita penyakit mentalitas. Isu kesehatan mental merupakan isu yang cukup serius dalam bidang medis dan social. Salah satu penyebab dari penyakit pada mentalitas manusia adalah kurangnya kemawasan diri, yang merupakan salah satu kunci dalam menjaga kestabilan mental pada diri seseorang. Sinyal otak merupakan suatu sinyal yang diduga mampu mendekteksi aktifitas otak manusia, dan dari sinyal tersebut, kita mampu membuat suatu sistem klasifikasi kondisi emosional manusia. Pada penelitian ini, EEG Neurostyle dengan 24 kanal digunakan untuk menangkap sinyal kelistrikan dari otak manusia. Metodenya meliputi reaksi seorang subjek terhadap stimulus berupa audio-visual yang berdurasi kurang lebih 5 menit. Subjek terdiri dari 10 orang manusia berumur 18 hingga 22 tahun, dimana tiap subjek menonton sebuah video pada lingkungan yang sama. Ekspresi mimik wajah akan direkam menggunakan kamera sebagai referensi dan konfirmasi agar sesuai dengan emosi yang dideskripsikan oleh subjek. Fitur emosi berupa RPR kemudian diambil untuk kemudian dimasukan kedalam algoritme classifier. Emosi dibagi berdasarkan 4 jenis yaitu: senang, sedih, takut, dan jijik Menggunakan Supervised Machine Learning, kita dapat menggunakan fitur fitur tersebut untuk klasifikasi. Menggunakan k-NN, didapat akurasi diatas 70% dengan menggunakan 4 kelas.

---

ABSTRACT

Mental health issues are growing rapidly in these recent years. Teenagers and young adult on age 16-30 years old are the most common victims. Mental health is a really serious issue concerning emotional health. One of the causes on emotional health issues is a lack of self-awareness, which is the key cornerstone on maintaining emotional-state. Brain signals has proven that it can read human emotion, and from there we can use brain waves to classify human emotional-state. In this research study, EEG Neurostyle of 24 channels is used to obtain brain electrical signals. The method involves the subject reaction to a set of audio-visual stimuli of approximately 5 minutes, the subject consists of 10 subjects aged 18-22, with each person watched the video-clips in the same environment. The expressions of the subjects were recorded separately to ensure their emotion accordance with the source (i.e. sad clips resulting sad emotion). Then its feature were extracted. The feature were used to classify the emotion into 4 classes: happy, sad, scared, and disgust. Using Supervised Machine Learning Method, we can use these features to identify a new sample to predict which class it belongs to. Using k-NN algorithm as classifier, an accuracy greater than 70% is obtained with 4 classes."