Terbit online pada laman web jurnal: http://journal.
id/index.
php/JASENS JOURNAL OF APPLIED SMART ELECTRICAL
NETWORK AND SYSTEMS (JASENS)
Vol.
4 No.
06 - 23
ISSN Media Elektronik: 2723-5467 Neural Network Controller Sebagai Automatic Transfer Switch PV Panel Dan Baterai Pada Robot Penjaga Lahan Pertanian Andika Wijaya1.
Pola Risma2.
Renny Maulidda3.
Hendra Marta Yudha4
1,2,3
Jurusan Teknik Elektro.
Politeknik Negeri Sriwijaya Fakultas Teknik Elektro.
Universitas Tridinanti Palembang andik4wij4ya@gmail.
com, 2polarisma@polsri.
id*, 3rennymaulidda@polsri.
id, 4hendramy@univ-tridinanti.
Abstract A greenhouse is a building for cultivating plants inside.
To prevent external threats such as thieves, cats, dogs and monkeys that can damage the plants in the greenhouse, a 24-hour guard is needed.
To control the security and environmental conditions in the greenhouse, a robotics application is used, namely a farm guard robot whose function is to control security and maintain the environment outside the greenhouse continuously and provide real-time information to the greenhouse In order for the robot to move 24 hours around the greenhouse, it requires electrical energy from PV panels and batteries that operate alternately.
For the optimal process of switching the use of PV panels to batteries or vice versa, a neural network is used as an automatic transfer switch (ATS) and uses data on the intensity of sunlight hitting PV panels from LDR sensors and PV panel voltage data and battery voltage data from pzem 017 sensors where the sensor data is used as input from the neural network.
The aim is to obtain control inputs that are effective in determining the output and optimising the use of electrical energy from PV panels and batteries.
To prove the effectiveness of the neural network, testing is done using the Neuroph Studio application.
Data from the test, obtained the total mean square error (MSE) <0.
01 on the neural network as an automatic transfer switch (ATS) in controlling the output of the desired output value.
The result data explains the use of neural network as an automatic transfer switch (ATS) is able to optimise the use of electrical energy PV panels and batteries so that the farm guard robot can help greenhouse owners in controlling security and maintaining the environment in the Keywords: farm guard robot, neural networks, automatic transfer switches Abstrak Greenhouse adalah sebuah bangunan untuk membudidayakan tanaman di dalamnya.
Untuk mencegah adanya gangguan dan ancaman dari luar seperti pencuri, kucing, anjing dan monyet yang dapat merusak tanaman di greenhouse sehingga dibutuhkan penjaga yang tersedia 24 jam.
Untuk mengontrol keamanan dan kondisi lingkungan di greenhouse, digunakan aplikasi robotika yaitu robot penjaga lahan pertanian yang fungsinya mengontrol keamanan dan menjaga lingkungan di luar greenhouse secara terus-menerus dan memberikan informasi real-time kepada pemilik greenhouse.
Agar robot tersebut bergerak 24 jam mengelilingi greenhouse diperlukan energi listrik PV panel dan baterai yang beroperasi secara Untuk proses pergantian penggunaan PV panel ke baterai atau sebaliknya optimal digunakan neural network sebagai automatic transfer switch (ATS) dan menggunakan data intensitas cahaya matahari yang mengenai PV panel dari sensor LDR dan data tegangan PV panel serta data tegangan baterai dari sensor pzem 017 dimana data sensor tersebut digunakan sebagai input dari neural network.
Tujuan untuk mendapatkan input kontrol yang efektif dalam menentukan output dan mengoptimalkan penggunaan energi listrik PV panel dan baterai.
Untuk membuktikan efektivitas dari neural network dilakukan melalui pengujian menggunakan aplikasi Neuroph Studio.
Data hasil dari pengujian, didapatkan hasil total mean square error (MSE) < 0.
01 pada neural network sebagai automatic transfer switch (ATS) dalam mengendalikan output dari nilai output yang diinginkan.
Data hasil tersebut menjelaskan penggunaan neural network sebagai automatic transfer switch (ATS) mampu mengoptimalkan penggunaan energi listrik PV panel dan baterai sehingga robot penjaga lahan pertanian dapat membantu pemilik greenhouse dalam mengontrol keamanan dan menjaga lingkungan di greenhouse.
Kata kunci: robot penjaga lahan pertanian, neural network, automatic transfer switch Diterima Redaksi : 23-05-2023 | Selesai Revisi : 20-06-2023 | Diterbitkan Online :30-06-2023 Andika Wijaya1.
Pola Risma2.
Renny Maulidda3.
Hendra Marta Yudha4 Journal of Applied Smart Electrical Network and System (JASENS ) Vol .
4 No.
06 Ae 23 Pendahuluan menjalankan tugas pengawasan dan penjagaan tanpaterhenti akibat masalah daya .
Neural Greenhouse atau rumah kaca adalah sebuah network (NN) merupakan jaringan saraf tiruan (JST) yang meniru cara kerja jaringan saraf manusia dalam membudidayakan tanaman didalamnya baik tanaman membuat prediksi sehingga membantu meminimalkan konvensional dengan media tanah dan budidaya kesalahan .
dalam automatic tansfer switch.
modern seperti hidroponik, aeroponik, maupun aquaponik tergantung jenis tanaman dan tujuan Robot penjaga lahan pertanian merupakan robot Tujuan utamanya untuk menciptakan kondisi tenaga surya yang mengandalkan pasokan energi dari tumbuh yang optimal bagi tanaman, termasuk suhu, energi matahari.
Robot jenis dapat bergerak langsung kelembaban dan cahaya.
Namun, ada gangguan dan dengan energi surya maupun melalui baterai yang ancaman yang datang seperti pencuri, kucing, anjing sudah di-charge dulu dengan energi surya melalui dan monyet yang dapat merusak tanaman di mini-PV panel yang terpasang pada robot tersebut greenhouse sehingga greenhouse membutuhkan .
Pengembangan robot tenaga surya diperlukan penjaga yang tersedia 24 jam.
Saat ini, pengawas atau dalam pertanian karena implementasi robot sangat penjaga di greenhouse umumnya masih dilakukan berguna menggantikan tugas manusia diantaranya manusia .
sebagai pemanen, dan pemilih hasil panen .
pada saat proses pengemasan hasil panen.
Teknologi robotika telah berkembang pesat dalam beberapa tahun terakhir dan memberikan dampak Paper ini membahas implementasi Neural Network positif tidak hanya industri, tetapi juga pada sektor sebagai automatic transfer switch pada robot tenaga Petani saat ini mengandalkan robot untuk surya.
ATS ini berfungsi untuk switching antara robot membantu dalam tugas-tugas pertanian seperti menggunakan tenaga surya secara langsung pada saat menanam, menyiram, dan memanen tanaman.
Selain cuaca cerah, atau memakai tenaga baterai yang telah diitu robot juga digunakan untuk keamanan, seperti robot charge oleh tenaga surya melalui PV panel terpasang penjaga yang mampu bergerak memantau lingkungan pada robot.
Paper ini ikut serta dalam kampanye sekitar .
Greenhouse merupakan lingkungan penggunaan energi surya sebagai energi alternatif yang sangat penting dalam pertanian, di mana tempat terbarukan yang memiliki potensi yang besar di tanaman dibudidayakan.
Oleh karena itu, menjaga Sumatera Selatan .
keamanan dan kondisi lingkungan sekitar greenhouse Metode Penelitian sangat penting.
Solusi yang digunakan adalah penggunaan robot penjaga lahan pertanian yang dapat Untuk memastikan alat dan sistem dapat terealisasi memantau lingkungan disekitar greenhouse secara sesuai dengan rencana dan terget yang telah ditetapkan terus-menerus untuk memastikan pertumbuhan sehingga dibuat beberapa kegiatan pelaksanaanya.
tanaman berjalan lancar, mulai dari penanaman hingga Beberapa kegiatan tersebut antara lain, yaitu :
Blok Diagram Robot penjaga lahan pertanian merupakan robot Blok diagram merupakan bagian penting dalam wall follower yang bergerak mengelilingi greenhouse perancangan suatu sistem pada robot penjaga lahan dengan misi penjagaanya.
Untuk memastikan pertanian karena dapat memberikan gambaran umum kelancaran operasinya, robot tersebut memanfaatkan tentang bagaimana komponen-komponen sistem saling PV panel dan baterai sebagai sumber energi listrik berinteraksi untuk mencapai tujuan keseluruhan sistem.
sehingga dapat beroperasi secara mandiri.
Cara kerja automatic transfer switch (ATS) pada robot penjaga lahan pertanian dijelaskan melalui blok Untuk mengoptimalkan penggunaan kedua sumber diagram yang terlihat pada Gambar 1.
Dengan energi listrik, robot penjaga lahan pertanian neural network sebagai automatic menghasilkan suatu sistem yang dapat difungsikan transfer switch agar dapat membuat keputusan efektif dengan baik dan memenuhi tujuan yang diinginkan.
kapan harus menggunakan sumber energi listrik PV panel dan baterai untuk mensuplai motor dc sehingga robot penjaga lahan pertanian dapat terus beroperasi Journal of Applied Smart Electrical Network and Systems (JASENS) Andika Wijaya1.
Pola Risma2.
Renny Maulidda3.
Hendra Marta Yudha4 Journal of Applied Smart Electrical Network and System (JASENS ) Vol .
4 No.
06 Ae 23 menggunakan algoritma neural network.
Data tersebut digunakan untuk mentukan kondisi relay.
Relay 2 Channel Relay berfungsi melakukan switching logika untuk mengontrol dan memutus penggunaan daya PV panel dan baterai secara bergantian ketika kondisi terpenuhi.
Gambar 1.
Blok diagram Penjelasan pada setiap blok diagram diatas yaitu :
PV panel PV panel berfungsi untuk mengubah energi panas cahaya matahari menjadi energi listrik.
Pada rancang bangun alat dan sistem.
PV panel digunakan untuk mensuplai tegangan dan arus pada motor DC.
Baterai Driver Motor L298N Driver motor berfungsi untuk mengendalikan arah puturan motor DC sebagai aktuator robot yang menentukan pergerakan yaitu berbelok dan maju.
Pada perancangan alat terdapat 1 buah driver L298N yang digunakan untuk mengendalikan 4 motor DC .
WD) untuk menggerakan robot.
Motor DC Motor DC berfungsi sebagai aktuator dari robot lahan pertanian.
Pada rancang bangun alat, motor DC yang digunakan memiliki spesifikasi tegangan 12 Volt dengan kecepatan maksimum motor 250 RPM.
Pada robot penjaga memiliki 4 buah motor DC .
WD) untuk bergerak.
Skema Rangkaian Skema rangkain digunakan untuk penghubung pada Baterai adalah perangkat yang dapat diisi desain neural network sebagai automatic transfer ulang atau diganti setelah energinya habis switch sehingga komponen yang digunakan dapat yang terdiri dari beberapa sel elektrokimia bekerja dengan baik.
Pada Gambar 2 adalah skema yang digunakan untuk menyimpan rangkain untuk sistem neural network sebagai menghasilkan energi listrik.
Pada penelitian, automatic transfer switch dimana sumber energi listrik baterai sebagai energi listrik cadangan.
utama berasal dari PV Panel dengan tegangan maksimum 20 Volt dan energi cadangan dari baterai Sensor Pzem 017 dengan tegangan 12,6 Volt untuk menghidupkan Sensor pzem17 adalah sensor tegangan atau perangkat elektronik pada robot seperti sensor tegangan, arus multifungsi yang berfungsi mendeteksi sensor LDR, mikrokontroler, relay.
Relay digunakan tegangan dan arus listrik dengan rentang memutuskan penggunaan PV Panel dan baterai secara tegangan dari 0.
05 Volt DC Ae 20 Volt DC dan bergantian untuk menghidupkan aktuator berupa 4 pendeteksian arus rentang 0 - 3 A.
Pada motor DC .
WD) pada robot penjaga lahan pertanian.
perancangan alat dan sistem, sensor tegangan digunakan untuk mendeteksi tegangan, arus dan PV panel dan baterai pada robot penjaga lahan pertanian.
Sensor LDR Sensor cahaya Light Dependent Resistor (LDR) adalah komponen yang mempunyai perubahan resistansi yang besar tergantung cahaya, berfungsi untuk mendeteksi intensitas cahaya matahari di greenhouse.
Arduino Mega 2560 Arduino Mega 2560 berfungsi untuk memproses data tegangan dari sensor tegangan dari sensor tegangan dan data intensitas cahaya matahari dari sensor LDR Gambar 2.
Skema rangkaian neural network sebagai automatic transfer switch Journal of Applied Smart Electrical Network and Systems (JASENS) Andika Wijaya1.
Pola Risma2.
Renny Maulidda3.
Hendra Marta Yudha4 Journal of Applied Smart Electrical Network and System (JASENS ) Vol .
4 No.
06 Ae 23 Desain Robot Penjaga Lahan Pertanian Robot penjaga lahan pertanian yang digunakan adalah robot wall follower yang terlihat pada Gambar 3.
Jenis robot tersebut diterapkan untuk mengawasi greenhouse dan dapat menggunakan sumber daya dari PV panel dan baterai.
Gambar 3.
Desain robot penjaga lahan pertanian Hasil dan Pembahasan Gambar 4.
Arsitektur neural network MLP Simulasi Neural Network Pada penelitian, dilakukan pengujian neural network sebagai automatic transfer switch pada robot security melalui simulasi menggunakan aplikasi Neuroph Studio.
Neural network yang digunakan adalah jenis Multi Layer Perceptrons (MLP) seperti yang ditunjukan pada Gambar 4.
MLP terdiri dari beberapa layer yang terhubung, yaitu, input layer, hidden layer dan output layer.
Pada simulasi neural network, terdapat 3 input pada input layer dimana input layer 1 intensitas cahaya matahari (Lu.
yang dideteksi sensor LDR sebagai pendeteksi di greenhouse dan input layer merupakan tegangna pada PV Panel yang dideteksi sensor pzem 017 ke 1 serta input 3 merupakan tegangan pada baterai yang dideteksi sensor pzem 017 ke 2.
Selain itu, terdapat 5 layer pada lapisan tersembunyi .
idden laye.
sebagai penghubung antara input layer dengan output layer yang bertugas memproses data dan mentransformasi data input menjadi data output.
Pada output layer terdapat 2 output yaitu Relay 1 artinya PV Panel menjadi pilihan untuk mensuplai Motor DC, sementara relay 2 artinya baterai menjadi pilihan untuk mensuplai Motor DC.
Gambar 4.
Dataset training Pada Gambar 4, merupakan dataset training yang digunakan untuk training neural network menggunakan 3 input pada input layer dan 2 output layer.
Pada input 1, jika intensitas cahaya matahari < 850 Lux, nilai logika adalah 0, sedangkan jika intensitas cahaya > 850 Lux, nilai logika adalah 1.
Sementara pada input 2, jika tegangan PV Panel < 12 volt, nilai logika adalah 0, sedangkan jika tegangan baterai > 10 volt, nilai logika adalah 1 dan pada input 3 jika tegangan Baterai < 10 volt nilai logika adalah 0 sedangkan jika tegangan baterai > 10 volt, nilai logika Gambar 6.
Hasil test neural network Journal of Applied Smart Electrical Network and Systems (JASENS) Andika Wijaya1.
Pola Risma2.
Renny Maulidda3.
Hendra Marta Yudha4 Journal of Applied Smart Electrical Network and System (JASENS ) Vol .
4 No.
06 Ae 23 mensuplai energi listrik pada Motor DC.
Sedangkan output 1 mendekati nilai 0 yaitu 0.
002 yang berati relay 1 off sehingga PV panel tidak digunakan sebagai sumber energi listrik pada kondisi tersebut.
Gambar 7.
Hasil grafik mean square error (MSE) Setelah data set di training klik AuTestAy pada aplikasi neuroph studio untuk melihat total error dan kesalahan individu yang terjadi.
Pada gambar 6 memperlihatkan hasil total mean square error (MSE) sebesar 009876791804406385 dari nilai output yang dinginkan dan juga pada gambar 7 menunjukan grafik total MSE yang menurun serta terjadi iteration sebayak 1000 kali.
Total MSE berfungsi untuk mengetahui hasil error alat dalam mengendalikan output.
Hasil menunjukan dengan baik dan metode yang efektif sebagai paramater pembelajaran.
Gambar 9 Kondisi Input 1 dan input 2 berlogika 1 dan Input 2 Berlogika 0 Pada Gambar 9 memperlihatkan hasil simulasi dimana input 1 dan input 2 memiliki nilai logika 1 karena sensor LDR mendeteksi intensitas cahaya matahari > 850 Lux serta sensor Pzem 017 ke 1 mendeteksi tegangan PV panel > 12 volt.
Sedangkan input 3 memiliki nilai logika 0 karena sensor Pzem 017 ke 2 mendeteksi tegangan baterai < 10 volt.
Dari kondisi tersebut, hasil prediksi menunjukan bahwa nilai output 1 mendekati logika 1 yaitu 0.
828, yang menandakan relay 1 on berarti PV panel menjadi pilihan untuk mensuplai energi listrik pada Motor DC.
Sedangkan output 2 mendekati nilai 0 yaitu 0.
005 yang berati relay 2 off menandakan bahwa beterai tidak digunakan sebagai sumber energi listrik pada kondisi tersebut.
Gambar 8 Kondisi input 1 dan input 2 berlogika 0 serta input 3 Pada Gambar 8 memperlihatkan hasil simulasi dari hasil proses training.
Dapat dilihat jika input layer 1 dan input 2 memiliki nilai logika 0 karena sensor LDR mendeteksi intensitas cahaya matahari di greenhouse < 850 Lux.
dan sensor pzem 017 ke 1 mendeteksi tegangan PV panel < 12 volt.
Sedangkan input 3 memiliki nilai logika 1 karena sensor pzem 017 ke 2 mendeteksi tegangan beterai > 10 volt.
Dari kondisi tersebut, hasil prediksi menunjukan bahwa nilai output 2 mendekati logika 1 yaitu 0.
995, yang menandakan relay 2 on berarti baterai menjadi pilihan untuk Pada Gambar 10 memperlihatkan hasil simulasi dimana input 1 dan inpu 2 serta input 3 memiliki nilai logika 1 karena sensor LDR mendeteksi intensitas cahaya matahari > 850 Lux dan sensor pzem 017 ke 1 mendeteksi tegangan PV panel > 12 volt serta input 3 memiliki nilai logika 0 karena sensor pzem 017 ke 2 mendeteksi tegangan baterai < 10 volt.
Dari kondisi tersebut, hasil prediksi menunjukan bahwa nilai output 1 mendekati logika 1 yaitu 0.
823, yang menandakan relay 1 on berarti PV panel menjadi pilihan untuk mensuplai energi listrik pada Motor DC.
Sedangkan output 2 mendekati nilai 0 yaitu 0.
072 yang berati relay 2 off menandakan bahwa baterai sedangkan tidak Journal of Applied Smart Electrical Network and Systems (JASENS) Andika Wijaya1.
Pola Risma2.
Renny Maulidda3.
Hendra Marta Yudha4 Journal of Applied Smart Electrical Network and System (JASENS ) Vol .
4 No.
06 Ae 23 digunakan sebagai sumber energi listrik pada kondisi tersebut.
matahari > 850 Lux dan sensor pzem 017 mendeteksi tegangan PV Panel > 12 Volt.
ATS tidak memutuskan menggunakan PV Panel guna menyuplai listrik bagi robot ketika sensor mendeteksi < 850 Lux dan tegangan PV Panel < 12 Volt.
Hal ini menandakan bahwa neural network sebagai automatic transfer switch bekerja dengan baik dan sesuai dengan data set telah ditentukan.
Selain itu, diketahui bahwa ATS memutuskan untuk menggunakan baterai dengan mengaktifkan relay 2 sensor pzem 017 mendeteksi tegangan baterai > 10 Volt.
ATS tidak menggunakan guna menyuplai listrik bagi robot baterai ketika sensor pzem 017 mendeteksi tegangan baterai < 10 Volt yang menandakan neural network sebagai automatic transfer switch bekerja dengan baik dan sesuai dengan data set telah ditentukan .
Kesimpulan Dari penelitian yang telah dilakukan, robot penjaga lahan pertanian dibuat dengan tujuan membantu mengontrol keamanan dan menjaga greenhouse, untuk mencegah adanya gangguan dan ancaman dari luar seperti hewan yang dapat merusak tanaman di greenhouse, sehingga digunakan robot penjaga lahan Gambar 10 Kondisi input 1 dan input layer serta dan input 3 Agar robot tersebut bergerak 24 jam mengelilingi greenhouse diperlukan energi listrik PV Data Pengujian Alat panel dan baterai yang beroperasi secara bergantian Untuk proses pergantian penggunaan PV panel ke Pada penelitian, diperoleh data hasil pengujian neural baterai atau sebaliknya optimal digunakan neural network sebagai automatic transfer switch (ATS) pada network sebagai automatic transfer switch (ATS).
Tabel 1.
Data tersebut diambil pada jam 13.
00 - 15.
00 Dimana terbukti dari hasil pengujian neural network, mencangkup nilai data intensitas cahaya matahari yang didapatkan hasil total mean square error (MSE) < 0.
dideteksi oleh sensor LDR dan data tegangan PV Panel pada automatic transfer switch dalam mengendalikan yang dideteksi oleh sensor pzem 17 ke 1, serta data output dari nilai output yang diinginkan.
Hasil tersebut tegangan baterai dari sensor pzem 017 ke 2.
Dari data bagus dan menunjukkan bahwa neural network pengujian tersebut digunakan untuk mengetahui merupakan pilihan metode yang efektif sebagai kemampu neural network sebagai automatic transfer parameter pembelajaran dalam membuat prediksi.
switch (ATS) dalam mengoptimalkan penggunaan Untuk itu diharapkan hasil penelitian memberikan energi listrik PV panel dan baterai pada saat robot kontribusi yang signifikan dalam penggunaan energi menjaga lahan pertanian di greenhouse.
surya sebagai energi alternatif terbarukan.
Tabel 1.
Data Hasil Pengujian Alat Tegangan PV Panel Tegangan Baterai (Vol.
Daftar Rujukan (Vol.
Kondisi Relay 1 Panel Kondisi Relay 2 Baterai OFF Waktu Pengujian Intensitas (Lu.
OFF
OFF
OFF
OFF
OFF
OFF
Berdasarkan Tabel 1, diketahui bahwa automatic transfer switch memutuskan menggunkan PV Panel guna menyuplai listrik bagi robot dengan mengaktifkan relay 1 ketika adanya intensitas cahaya Liao.
Chen.
Chou.
Chen.
Yeh.
Chang, and J.
Jiang.
On precisely relating the growth of Phalaenopsis leaves to greenhouse environmental factors by using an IoT-based monitoring system.
Computers and Electronics in Agriculture.
Vol.
136, pp.
125-139, 2017.
https://doi.
org/10.
1016/j.
Kumar.
Singh.
Kumar.
Jaiswal, and V.
Bhadoria.
IoT enabled system to monitor and control greenhouse.
Materials Today: Proceedings.
Vol.
No 8, 3137-3141, https://doi.
org/10.
1016/j.
Singh.
Singh.
Singh Lubana, and K.
Singh.
Formulation and validation of a mathematical model of the microclimate of a greenhouse.
Renewable Energy.
Vol.
1541-1560,
https://doi.
org/10.
1016/j.
Kim.
Lee.
Ahn.
Kim.
Hur.
Choi.
Chung.
Design and testing of an autonomous irrigation controller for precision water management of greenhouse crops.
Engineering in Agriculture.
Journal of Applied Smart Electrical Network and Systems (JASENS) Andika Wijaya1.
Pola Risma2.
Renny Maulidda3.
Hendra Marta Yudha4 Journal of Applied Smart Electrical Network and System (JASENS ) Vol .
4 No.
06 Ae 23 Environment and Food.
Vol.
No 4, pp.
228-234, 2015.
https://doi.
org/10.
1016/j.
Paraforos.
Griepentrog.
Multivariable greenhouse climate control using dynamic decoupling controllers.
IFAC Proceedings Volumes.
Vol.
No 18, 305-310, 2013, https://doi.
org/10.
3182/20130828-2SF-3019.
Hernyndez-Morales.
Luna-Rivera, and R.
Perez-Jimenez.
Design and deployment of a practical IoTbased monitoring system for protected cultivations.
Computer Communications.
Vol.
186, pp.
51-64, 2022.
https://doi.
org/10.
1016/j.
Chang.
Chung.
Fu, and C.
Huang,Artificial intelligence approaches to predict growth, harvest day, and quality of lettuce (Lactuca sativa L.
) in a IoT-enabled greenhouse system.
Biosystems Engineering.
Vol.
212, pp.
77-105,
https://doi.
org/10.
1016/j.
Abioye.
Abidin.
Mahmud.
Buyamin.
AbdRahman.
Otuoze.
Ramli, and O.
Ijike.
IoT-based monitoring and datadriven modelling of drip irrigation system for mustard leaf cultivation experiment.
Information Processing in Agriculture.
Vol.
No 2, pp.
270-283, 2021,
https://doi.
org/10.
1016/j.
Collado.
Valdys.
Garcya, and Y.
Syez.
Design and implementation of a low-cost IoT-based agroclimatic monitoring system for greenhouses.
AIMS Electronics and Electrical Engineering.
Vol.
No.
4, pp.
251-283, 2021.
doi: 10.
3934/electreng.
Hahn.
Fuzzy controller decreases tomato cracking in greenhouses.
Computers and Electronics in Agriculture.
Vol.
21-27,
https://doi.
org/10.
1016/j.
Benyezza.
Bouhedda, and S.
Rebouh.
Zoning irrigation smart system based on fuzzy control technology and IoT for water and energy saving.
Journal of Cleaner Production.
Vol.
https://doi.
org/10.
1016/j.
Dewi T.
Nurmaini S.
Risma P.
Oktarina Y.
, and Roriz , 2019.
Inverse Kinematic Analysis of 4 DOF Pick and Place Arm Robot Manipulator using Fuzzy Logic Controller.
IJECE, 10.
, doi:10.
11591/ijece.
Uchiyama N.
Dewi T.
, and Sano S.
, 2014.
Collision Avoidance Control for a Human-Operated Four Wheeled Mobile Robot.
Proceedings of the Institution of Mechanical Engineers.
Part C: Journal of Mechanical Engineering Science, 228.
, pp.
https://doi.
org/10.
1177/0954406213518523.
Dewi T.
Amperawan.
Risma P.
Oktarina Y.
, and Yudha , 2020.
Finger Cue for Mobile Robot Motion Control.
Computer Engineering and Application Journal, 9.
, pp.
doi: 10.
18495/COMENGAPP.
V9I1.
Oktarina Y.
Dewi T.
, and Risma T.
, 2020.
The Concept of Automatic Transport System Utilizing Weight Sensor.
Vol.
No.
doi:10.
18495/COMENGAPP.
V0I0.
Farooq U.
Amar M.
Asad M.
Hanif A.
, and Saleh , 2014.
Design and Implementation of Neural Network of Based Controller for Mobile Robot Navigation in Unknown Environment.
International Journal of Computer and Electrical Engineering, 6.
, pp.
doi:10.
7763/IJCEE.
V6.
Uchiyama N.
Dewi T.
Sano S.
, and Takahashi H.
, 2014,
Swarm Robot Control for Human Services and Moving Rehabilitation by Sensor Fusion.
Journal of Robotics, 2014.
, https://doi.
org/10.
1155/2014/278659.
Al Yahmedi A.
, and Fatmi M.
, 2016.
Fuzzy Logic Based Navigation of Mobile Robots,Ay Intech, 6, pp.
Nurmaini S.
Tutuko B.
Dewi K.
Yuliza V.
, and Dewi T.
Improving Posture Accuracy of Non-holonomic Mobile Robot system with Variable Universe of Discourse.
TELKOMNIKA, 15.
Pp.
12928/TELKOMNIKA.
Dewi T.
Wijanarko Y.
Risma P.
, and Oktarina Y.
, 2018,
Fuzzy Logic Controller Design for Leader-Follower Robot Navigation, 5th Proc.
EECSI, 5.
, pp.
Oct Malang Indonesia.
doi:10.
1109/EECSI.
Dewi T.
Risma P.
, and Oktarina Y.
, 2018.
Fuzzy Logic Simulation as a Teaching-learning Media for Artificial Intelligence Class.
Journal of Automation Mobile Robotics Intelligent Systems, 12.
, 14313/JAMRIS_3-2018/13 .
Dewi T.
Oktarina Y.
Risma P.
, and Kartini S.
, 2019,
Desain Robot Pengikut Manusia Sederhana dengan Fuzzy Logic Controller.
Proc.
Annual Research Seminar (ARS), 5.
, pp.
12-16, 16 Nov 2019.
Palembang: Indonesia.
Oktarina Y.
Septiarini F.
Dewi T.
Risma P.
, and Nawawi M.
, 2019.
Fuzzy-PID Controller Design of 4 DOF Industrial Arm Robot Manipulator.
Computer Engineering and Application Journal, 8.
, pp.
doi: 10.
18495/COMENGAPP.
V8I2.
Dewi T.
Sitompul C.
Risma P.
Oktarina Y.
Jelista R.
Mulyati M.
, 2019.
Simulation Analysis of Formation Control Design of Leader-Follower Robot Using Fuzzy Logic Controller.
Proc 2019 ICECOS, 2-3 Oct.
Batam Island:
Indonesia.
doi:10.
1109/ICECOS47637.
Yudha H.
Dewi T.
Hasana N.
Risma P.
Oktarina.
Kartini S.
, 2019.
Performance Comparison of Fuzzy Logic and Neural Network Design for Mobile Robot Navigation.
Proc.
2019 ICECOS, 2-3 Oct.
Batam Island:
Indonesia.
doi:10.
1109/ICECOS47637.
Larasati N.
Dewi T.
, and Oktarina Y.
, 2017.
Object Following Design for a Mobile Robot using Neural Network.
Computer Engineering and Application Journal, 6.
, pp.
doi:10.
18495/COMENGAPP.
V6I1.
Dewi T.
Risma P.
Oktarina Y.
, and Roseno M.
, 2017.
Neural Network Design for a Mobile Robot Navigation a Case Study.
4th Proc.
EECSI.
23-24 Sep.
Yogyakarta: Indonesia.
doi:10.
1109/EECSI.
Dewi T.
Risma P.
Oktarina Y.
, and Nawawi M.
, 2017.
Neural Network Simulation for Obstacle Avoidance and Wall Follower Robot as a Helping Tool for TeachingLearning Process in Classroom.
1st Proc.
ICEAT, 29-30
November 2017.
Mataram: Indonesia.
doi:10.
1088/1757899X/403/1/012043
Risma P.
Dewi T.
Oktarina Y.
, and Wijanarko Y.
, 2019.
Neural Network Controller Application on a Visual based Object Tracking and Following Robot.
Computer Engineering and Application Journal, 8.
18495/COMENGAPP.
V8I1.
Dewi T.
Risma P.
Taqwa A.
Rusdianasari, and Renaldi , 2020.
Experimental analysis on solar powered mobile robot as the prototype for environmentally friendly automated transportation.
Proc.
iCAST on Engineering Science.
Oct Bali:
Indonesia, doi:10.
1088/1742-6596/1450/1/012034.
Septiarini.
Dewi and Rusdianasari.
Design of a solarpowered mobile manipulator using fuzzy logic controller of agriculture application.
International Journal of Computational Vision and Robotics.
Inderscience.
Vol.
No.
506-531,
https://doi.
org/10.
1504/IJCVR.
Oktarina.
Dewi.
Risma, and M.
Nawawi.
Tomato Harvesting Arm Robot Manipulator.
a Pilot Project.
Journal of Physics: Conference Series, 1500, p 012003.
Proc.
3rd FIRST.
Palembang: Indonesia, 2020.
DOI:
1088/1742-6596/1500/1/ 012003
Dewi.
Risma, and Y.
Oktarina.
Fruit Sorting Robot based on Color and Size for an Agricultural Product Packaging System.
Bulletin of Electrical Engineering, and Informatics (BEEI), vol.
9, no.
4, pp.
1438-1445, 2020,
DOI: 10.
11591/eei.
Journal of Applied Smart Electrical Network and Systems (JASENS) Andika Wijaya1.
Pola Risma2.
Renny Maulidda3.
Hendra Marta Yudha4 Journal of Applied Smart Electrical Network and System (JASENS ) Vol .
4 No.
06 Ae 23 .
Dewi.
Mulya.
Risma, and Y.
Oktarina.
BLOB Analysis of an Automatic Vision Guided System for a Fruit Picking and Placing Robot.
International Journal of Computational Vision and Robotics.
Vol.
No 3, pp.
https://doi.
org/10.
1504/IJCVR.
Dewi.
Anggraini.
Risma.
Oktarina, and Muslikhin.
Motion Control Analysis of Two Collaborative Arm Robots in Fruit Packaging System.
SINERGI Vol.
No.
217-226,
http://doi.
org/10.
22441/sinergi.
Putra.
Dewi, and Rusdianasari.
MPPT Implementation for Solar-powered Watering System Performance Enhancement," Technology Reports of Kansai University.
Vol.
No.
01, pp.
6919-6931, 2021.
ISSN: 04532198.
Mases.
Dewi, and Rusdianasari.
Solar Radiation Effect on Solar Powered Pump Performance of an Automatic Sprinkler System.
Paper presented at the Proceedings of 2021 International Conference on Electrical and Information Technology (IEIT), pp.
246250, 2021.
Junaedi.
Dewi, and M.
Yusi, "The Potential Overview of PV System Installation at the Quarry Open Pit Mine PT.
Bukit Asam.
Tbk Tanjung Enim," Kinetik:
Game Technology.
Information System.
Computer Network.
Computing.
Electronics, and Control.
Vol.
No.
41-50,
https://doi.
org/10.
22219/kinetik.
Sarwono.
Dewi, and RD Kusumanto, "Geographical Location Effects on PV Panel Output - Comparison Between Highland and Lowland Installation in South Sumatra.
Indonesia," Technology Reports of Kansai University.
Vol.
No.
02, pp.
7229-7243, 2021.
ISSN:
Yudha.
Dewi.
Risma, and Y.
Oktarina.
Life Cycle Analysis for the Feasibility of Photovoltaic System Application in Indonesia,yAo oI in IOP Conference Series:
Earth and Environmental Science 124 012005, 2018.
DOI :10.
1088/1755-1315/124/1/012005.
Dewi.
Risma, and Y.
Oktarina, "A Review of Factors Affecting the Efficiency and Output of a PV system Applied in Tropical Climate," in IOP Conference Series:
Earth and Environmental Science 258 012039 ICoSITer 2018, 2019.
doi:10.
1088/1755-1315/258/1/012039.
Harahap.
Dewi, and Rusdianasari.
Automatic Cooling System for Efficiency and Output Enhancement of a PV System Application in Palembang.
Indonesia, in 2nd Forum in Research.
Science, and Technology.
IOP Conf.
Series: Journal of Physics: Conf.
Series 1167 012027, 2019.
doi:10.
1088/1742-6596/1167/1/012027.
Sasmanto.
Dewi, and Rusdianasari.
Eligibility Study on Floating Solar Panel Installation over Brackish Water in Sungsang.
South Sumatra.
EMITTER International Journal of Engineering Technology.
Vol.
No.
1, 2020.
Junianto.
Dewi, and C.
Sitompul.
Development and Feasibility Analysis of Floating Solar Panel Application in Palembang.
South Sumatra Journal of Physics: Conf.
Series 3nd Forum in Research.
Science, and Technology Palembang.
Indonesia, 2020.
Journal of Applied Smart Electrical Network and Systems (JASENS)