No abstract

Uang merupakan alat transaksi yang digunakan oleh sebagian besar masyarakat dunia, untuk memenuhi kebutuhan sehari-hari. Bagi sebagian orang, melakukan kegiatan jual beli dengan menggunakan uang sangatlah mudah. Namun tidak dapat dipungkiri bahwa ada sebagian kecil dari masyarakat yang mempunyai kekurangan dalam penglihatan.  Kekurangan dalam penglihatan membuat penderitanya lebih mengandalkan indra pendengaran dan perasa, sehingga penyandang Tunanetra mengalami kesulitan dalam mengenali uang. Tulisan ini membahas tentang alat bantu bagi Tunanetra yang dapat membedakan uang kertas berdasarkan warna RGB dengan menggunakan sensor TCS3200 dan memanfaatkan neural network sebagai pola pengenalan dan pembelajaran warna. Dari uji coba, nilai optimum untuk pembelajaran dengan nilai eror terkecil yaitu nilai learning rate 0.8 dan jumlah node masing-masing pada hidden layer 1 dan hidden layer 2 sebanyak 5 node. Hasil yang diperoleh adalah alat yang dapat digunakan Tunanetra dalam membedakan uang kertas, dengan tingkat keberhasilan 100% untuk uang Rp 20.000 dan Rp 100.000, 93% untuk uang Rp 50.000.

The system enables to mimic the movement of the subject up to 87.5 percent accuracy. Electromyography (EMG) is one of the methods to control a robot’s hand. This paper discusses the utilization of the signal EMG with a neural network algorithm to activate the fingers of the robot hand. The statistical analysis, which is the root mean square method, is used to train the patterns of the motion of the fingers of the user. Moreover, to sense the user’s EMG signal, Myo armband is used. The results obtained reach 92.68 percent using 0.9 learning rate, 0.00001 error tolerance, one hidden layer with five nodes.

Pengendalian dan pemantauan kelembapan, suhu dan intensitas cahaya saat ini masih menggunakan cara yang manual yaitu dengan penyiraman atau penggunaan rumah kaca. Namun, karena kesibukan ditempat kerja dan terbatasnya waktu menyebabkan pengendalian kondisi tanaman tomat sering tidak sesuai dengan kebutuhan tanaman dan mengakibatkan tanaman mati. Penelitian ini menggunakan kontrol otomatis dari logika Fuzzy dan Internet of Things (IoT) sebagai dasar pemantauan kondisi tanaman tomat dengan tugas menggantikan perawatan manual. Sensor DHT22, FC-28 dan Light Dependent Resistor (LDR) digunakan sebagai pendeteksi kelembapan tanah, suhu, intensitas cahaya, dan kelembapan udara, serta parameter input sebagai kontrol Fuzzy yang otomatis, serta aktuator penyiraman pompa air DC 12V dan motor power window sebagai pengendali kelembapan udara. Hasil pada penelitian ini memiliki tingkat keberhasilan 98.38% dalam proses kerjanya.

COVID-19 menyerang manusia pada akhir tahun 2019. Penyebaran COVID-19 terjadi melalui droplet/cairan yang keluar dari mulut/hidung manusia. Antisipasi penyebaran COVID-19 dilakukan dengan menerapkan pola hidup bersih dan sehat. Salah satu caranya adalah dengan mencuci tangan menggunakan hand sanitizer. Penggunaan hand sanitizer di tempat umum memungkinkan terjadinya kontak fisik antar pengguna sehingga diperlukan cara untuk mengurangi kontak fisik tersebut. Cara yang bisa diterapkan adalah dengan menggunakan hand sanitizer otomatis. Prinsip dari hand sanitizer otomatis ini adalah ketika tangan didekatkan dengan botol hand sanitizer maka secara otomatis cairan akan keluar dengan sendirinya ke telapak tangan. Berdasarkan hasil penelitian yang telah dilakukan, hand sanitizer telah berhasil dibuat dan dapat digunakan di Politeknik Negeri Batam.