One of the problems solved in robot control is that the required robot movement system can be moved efficiently. Controls used to increase the efficiency of robot motion are the PID (Proportional-Integral-Derivative) Control and the IMU BNO055 sensor. The concept used by the robot to be able to rotate to a certain angle entered the desired angle, then read the sensor angle BNO055 then the results of the sensor readings are sent to Arduino to then provide a signal to drive the motor. The results of research that has been done, the robot can display an angle of 0o and 180o in accordance with the sensor readings. The robot can rotate with a short effective time from 10 times of testing and with an average time of 2 seconds. From the research results, the robot can rotate to the desired angle effectively and the robot can choose the desired angle with the help of instructions with an average error of 0.88%. The best control parameter values are Kp = 1; Ki = 0,00095; and Kd = 4.Salah satu masalah yang dihadapi dalam kendali robot yaitu sistem gerakan robot yang mengharuskan dapat bergerak secara efisien. Kendali yang digunakan untuk meningkatkan efisiensi gerakan robot adalah dengan Kendali PID (Proporsional-Integral-Derivatif) dan sensor IMU BNO055. Konsep yang digunakan robot agar dapat berotasi ke sudut tertentu yaitu memasukkan sudut yang diinginkan, kemudian membaca sudut sensor BNO055 kemudian hasil dari bacaan sensor dikirim ke Arduino untuk selanjutnya memberikan sinyal untuk menggerakkan motor. Hasil penelitian yang sudah dilakukan, robot dapat menampilkan sudut 0o dan sudut 180o sesuai dengan pembacaan sensor. Robot dapat berotasi dengan efektif dengan waktu yang singkat dari 10 kali pengujian dan dengan rata – rata waktu yaitu 2 detik. Dari hasil penelitian robot dapat berotasi ke sudut yang diinginkan dengan efektif dan robot dapat menunjukkan sudut yang diinginkan dengan bantuan petunjuk dengan cukup baik dengan rata – rata error 0,88%. Nilai parameter pengendali terbaik adalah Kp=1; Ki=0,00095; dan Kd=4.

Bacterial colonies infection is one of the causes of bloodstream disease, and it can be a fatality. Therefore, medical diagnoses require fast identification and classification of organisms. Artificial Intelligence with deep learning (DL) can now be developed as a rapid bacterial classification. The research aims to combine deep learning and support vector machines (SVM). The ResNet-101 model of the DL algorithm extracted the image’s features using transfer learning then classified by the SVM classifier. According to the experimental results, this model had 99.61% accuracy, 99.58% recall, 99.58% precision, and 99.97% specificity. The technique presented might enhance clinical decision-making.

No abstract

Permasalahan yang muncul pada sistem Air Conditioner (AC) adalah pengguna tidak mengetahui kondisi gas Chloro Fluro Carbon (CFC). Oleh karena itu penelitian ini mengusulkan tentang sistem monitoring gas CFC pada sistem Air Conditioner. Sistem monitoring sangat penting karena membantu mengetahui kinerja alat. Sistem monitoring ini menggunakan sensor MPX5700AP untuk membaca tekanan gas CFC dan Arduino sebagai sistem pengolahan data. Sistem monitoring juga dilengkapi dengan sistem alarm untuk memberi peringatan ke pengguna. Hasil olah data Arduino akan dimunculkan menjadi notifikasi pada LCD 16x2 sehingga pengguna dapat mengetahui kondisi gas CFC. Pengukuran tekanan gas CFC menggunakan perbandingan pengukuran antara sensor MPX5700AP dengan standar alat ukur gauge manifold. Berdasarkan pengujian sistem yang diusulkan mampu bekerja dengan baik. Sensor dapat mengukur perubahan tekanan, Arduino dapat mengolah data dan sistem ini mampu memunculkan angka pada layar LCD 16x2 sebagai notifikasi dan alarm akan berbunyi pada tekanan 49,95Psi. Prototipe hardware ini memiliki keakuratan pengukuran sebesar 99,12% dibandingkan dengan alat kalibrasi. Berdasarkan pengujian sistem dapat diterapkan untuk membantu pengguna memantau kondisi gas CFC pada AC.

Indonesian Abu Robot Contest (KRAI) in 2018 with the theme "Throwing a Blessing Ball". The main purpose of this robot is to be able to navigate automatically in an area that is bordered by walls to complete the mission. The main problem with the robot is the navigation system. The application of PID control in the wall following system has been able to make robot movements smooth, responsive, and fast. In this study, PID control aims to smooth the movement of the robot while walking along the wall in the race arena. The PID parameter is obtained from the results of tuning with the trial and error method, the values of KP = 3, KI = 0, and KD = 5. At the PWM 150 set point the value of the ultrasonic sensor distance reading to the object in the form of a wall with an average error of 4.4. cm. At the PWM 200 set point the value of the ultrasonic sensor distance reading to the object in the form of a wall with an average error of 0.4 cm. At the PWM 250 set point the value of the ultrasonic sensor distance reading to the object in the form of a wall with an average error of 0.8 cm. This error does not have an effect on the performance of the wall following system, because the system only uses the distance value reading data with a decimal value in front of the comma. So it can be concluded that the wall following system which is designed using ultrasonic sensors with measurement error that occurs is zero.