https://repository.unisma.ac.id/handle/123456789/69 Koleksi Skripsi Mahasiswa Prodi Teknik Elektro 2026-07-14T14:15:22Z https://repository.unisma.ac.id/handle/123456789/12562 Penerapan Machine Learning Dalam Sistem Klasifikasi Paru-Paru Yang Terkena Pneumonia Menggunakan Model Convolutional Neural Network (CNN) Dengan Tensorflow KHAIRUNNISAK, SITTI Pneumonia merupakan salah satu penyakit infeksi paru-paru yang dapat menyebabkan kematian, terutama pada anak-anak dan lansia. Deteksi dini sangat penting dilakukan untuk mencegah komplikasi serius. Penelitian ini bertujuan untuk membangun sistem klasifikasi citra X-ray paru-paru menggunakan metode Convolutional Neural Network (CNN) agar proses diagnosis dapat dilakukan secara cepat dan akurat. Model dikembangkan menggunakan framework TensorFlow dengan arsitektur yang terdiri dari lapisan konvolusi, batch normalization, pooling, dan dropout. Dataset yang digunakan berasal dari Kaggle sebanyak 8.864 citra, terdiri dari 4.432 citra pneumonia dan 4.432 citra normal. Model CNN yang dibangun menghasilkan akurasi sebesar 91,4%, presisi 91,7%, recall 97,3%, dan F1-score 94,4%. Sebagai pembanding, digunakan arsitektur ResNet yang memberikan hasil lebih baik dengan akurasi 92,8%, presisi 93,3%, recall 98,3%, dan F1-score 95,7%. Hasil tersebut menunjukkan bahwa metode CNN dan ResNet efektif dalam mendeteksi pneumonia melalui citra X-ray, serta dapat menjadi solusi sistem bantu diagnosis yang akurat dan efisien di bidang medis. 2025-06-24T00:00:00Z https://repository.unisma.ac.id/handle/123456789/12560 Rancang Bangun Sistem Pembagian Biaya Listrik Otomatis Berbasis Iot Hunian Multi – Kamar Kost Dengan Monitoring Real Time WIDODO, WISNU Pembagian biaya listrik secara merata di lingkungan kost sering menimbulkan ketidakadilan karena tidak mencerminkan konsumsi masing-masing kamar. Penelitian ini bertujuan merancang sistem monitoring konsumsi listrik berbasis Internet of Things (IoT) menggunakan sensor PZEM-004T dan mikrokontroler ESP32. Sistem mencatat tegangan, arus, daya, dan energi tiap kamar secara real-time, ditampilkan melalui LCD dan dikirim ke platform Ubidots. Biaya listrik dihitung otomatis berdasarkan energi yang digunakan dan disimpan pada EEPROM untuk mencegah kehilangan data saat listrik padam. Hasil penelitian menunjukkan kinerja sistem saat pengujian beban 5 kali dengan beban lampu, charger laptop, charger handphone, kipas angin, rice cooker, dan panci listrik dengan rata-rata error tegangan 0.261%, nilai error tegangan berada dalam batas toleransi sebesar 0.5%. Error arus sebesar 3.716% disebabkan oleh beban non-linier seperti adaptor dan charger yang menghasilkan gelombang arus tidak sinusoidal, sehingga lebih sulit diukur secara akurat oleh sensor. Hal ini menunjukkan akurasi sensor dalam mengukur tegangan dan arus. Pengujian selama 24 jam pada kamar kost dengan beban bervariasi menunjukkan konsumsi energi listrik sebesar 0.7414 kWh per hari, dengan biaya harian sebesar Rp1.482 per hari. Sementara pengujian selama 10 hari pada kamar kost menunjukkan rata- rata energi yang digunakan sebesar 0.694 kWh/hari dengan biaya rata-rata Rp1.388/hari. Dengan demikian, sistem mampu memantau konsumsi listrik setiap kamar secara real-time serta menghitung biaya berdasarkan energi yang digunakan, sehingga pembagian biaya listrik antar penghuni kost dapat dilakukan secara adil, akurat dan transparan 2025-08-25T00:00:00Z https://repository.unisma.ac.id/handle/123456789/12559 Pengembangan Sistem Navigasi Dan Pengendalian Robot Sepak Bola Beroda Untuk Menjejak Menggunakan Algoritma Yolo QHOFARI, ACHMAD FAISAL Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem persepsi visual pada robot sepak bola beroda dalam lingkungan simulasi ROS-Gazebo menggunakan algoritma YOLOv8s. Sistem ini dikembangkan untuk memungkinkan robot mendeteksi dan menjejak bola secara real-time dengan akurasi tinggi, didukung oleh keunggulan YOLOv8s dalam kecepatan dan akurasi deteksi objek. Proses pengembangan mencakup pembuatan lingkungan simulasi, pengumpulan dan anotasi dataset, pelatihan model di Google Colab, hingga integrasi dengan sistem navigasi robot. Pengujian dilakukan sebanyak 20 kali pengulangan untuk setiap skenario, menghasilkan total 440 data yang digunakan untuk mengukur performa sistem. Berdasarkan hasil pengujian, sistem terbukti mampu mendeteksi bola secara stabil dan akurat. Waktu rata-rata penjejakan bola menunjukkan peningkatan seiring bertambahnya jarak. Untuk sisi kiri dan kanan lapangan, waktu tempuh berkisar antara 2,71 detik (jarak 2 meter) hingga 8,47 detik (jarak 8 meter). Sementara itu, di sisi tengah lapangan, waktu tempuh bervariasi dari 0,73 detik (jarak 1 meter) hingga 8,25 detik (jarak 8 meter). Hasil ini mengonfirmasi bahwa sistem deteksi dan navigasi bekerja secara konsisten dan efisien. Diharapkan penelitian ini dapat menjadi landasan untuk pengembangan sistem robot sepak bola otonom yang lebih kompleks di masa depan. 2025-08-09T00:00:00Z https://repository.unisma.ac.id/handle/123456789/12556 Analisis Komparatif Algoritma Modified P&O Dan Algoritma P&O Konvensional Dalam Optimalisasi Maximum Power Point Tracking (Mppt) Pada Sistem Photovoltaic Zulkarnain, Sultan Energi listrik merupakan kebutuhan vital, namun peningkatan permintaan belum sepenuhnya terpenuhi oleh sumber konvensional. Oleh karena itu, energi terbarukan seperti energi surya menjadi solusi melalui sel Photovoltaik (PV) yang mengubah cahaya menjadi listrik. Kinerja panel surya sangat dipengaruhi oleh intensitas cahaya dan suhu, sehingga daya yang dihasilkan bersifat nonlinier. Untuk memastikan panel bekerja pada titik daya maksimum (MPP), digunakan metode Maximum Power Point Tracking (MPPT). Metode Perturb and Observe (P&O) banyak digunakan karena sederhana, namun memiliki kelemahan berupa osilasi di sekitar MPP dan lambat merespons perubahan radiasi. Penelitian ini mengusulkan algoritma Modifikasi P&O dengan pendekatan variable step size berbasis dP/dV untuk meningkatkan efisiensi, mempercepat respon, dan mengurangi osilasi. Sistem MPPT dirancang menggunakan panel surya 20 Wp, boost converter, sensor arus ACS712, sensor tegangan, serta pengendali Arduino UNO. Lampu halogen digunakan sebagai simulasi cahaya matahari, sedangkan uji shading dilakukan dengan penutup sebagian modul. Data diuji dengan validasi akurasi sensor yang menunjukkan nilai MAPE <5%. Hasil pengujian menunjukkan algoritma Modifikasi P&O mampu menghasilkan daya lebih tinggi, stabil, dan efisien dibanding metode konvensional. Pada kondisi normal, Modifikasi P&O 4 mencapai daya maksimum 3,41W dengan rentang stabil 3,34–3,41W, sedangkan P&O konvensional hanya 3,27–3,37W. Pada kondisi shading, Modifikasi P&O 6 menghasilkan daya rata-rata 1,88 W, lebih baik dari P&O konvensional 1,81W. Secara keseluruhan, implementasi Modifikasi P&O terbukti meningkatkan performa MPPT, sehingg 2025-07-12T00:00:00Z