Telah dibuat dan diuji alat pengatur kadar asam (pH) dan level ketinggian air nutrisi pada sistem hidroponik cabai. Kadar asam (pH) referensi yang dianjurkan untuk tanaman cabai yaitu 6.0 – 6.5. Pada percobaan awal, ini air nutrisi pada wadah pertumbuhan dikondisikan pada keadaan nilai pH 2.91 (Asam). Untuk mencapai pH referensi dibutuhkan waktu selama 23 detik. Dengan keadaan pompa yang berisi cairan basa dan pengaduk aktif selama 23 detik. Pada percobaan yang kedua, air nutrisi dikondisikan dalam keadaan nilai pH 9.18 (Basa). Untuk mencapai pH referensi dibutuhkan waktu selama 18 detik. Dengan keadaan pompa yang berisi cairan asam dan pengaduk aktif selama 18 detik. Pada pengujian level ketinggian air nutrisi, ketika air nutrisi dibawah level ketinggian yang ditetapkan (6 cm – 8 cm) yaitu 5 cm. Untuk mencapai level ketinggian minimum yang ditetapkan yaitu 6 cm dibutuhkan waktu selama 2 menit 25 detik. Dengan adanya alat pengatur kadar asam (pH) dan level ketinggian air nutrisi pada sistem hidroponik cabai,Kadar asam (pH) dan kebutuhan air nutrisi untuk tanaman selalu terjaga dengan baik.
Insomnia is a disorder to start, maintain, and wake up from sleep, has many sufferers in the world. For patients in remote locations who suffer from insomnia, which requires testing, the gold standard performed requires patients to take the time and travel to the health care center. By making alternatives to remote sleep insomnia testing using electrocardiography and electromyography connected to the internet of things can solve the problem of patients' access to treatment. Delivery of patient data to the server is done to make observations from the visualization of patient data in real-time. Furthermore, using artificial neural networks was used to classify EMG, ECG, and combine patient data to determine patients who have Insomnia get resulted in patient classification errors around 0.2% to 2.7%.
Desain turbin angin adalah proses menentukan bentuk dan spesifikasi turbin angin untuk mengekstraksi energi dari angin. Instalasi turbin angin terdiri dari sistem yang diperlukan untuk menangkap energi angin, mengarahkan turbin ke arah angin, mengubah putaran mekanis menjadi tenaga listrik, dan sistem lain untuk memulai, menghentikan, dan mengontrol turbin. Perancangan turbin angin pada penelitian ini, adalah turbin angin yang akan menerima energi angin dari arah yaw (<em>yaw direction</em>). Gerakan menentukan arah dari terbin angin ini dibantu oleh perangkat lunak Lab-View dengan menggunakn kontroler arduino sebagai pengendali arah gerakannya. Perancangan sistem kontrol pergerakan sumbu <em>yaw</em> dari turbin angin dengan bantuan perangkat lunak LabView dan arduino untuk mengendalikan motor yang akan memutar roda gigi yang dihubungkan dengan plat. Pergerakan ini diharapkan dapat menjadi peningkat efisiensi dari turbin angin dalam menerima angin yang datang. Hasil kalibrasi sistem turbin angin dilakukan pada gerakan motor pada arah yaw, dan data putaran potensiometer terhadap tegangan listrik yang diberikan sebagai inputnya.
We present a study on Covid-19 detection using deep learning algorithms that help predict and detect Covid-19. Chest X-ray images were used as the input dataset to prepare and train the proposed model. In this context, deep learning architecture (DLA) and optimisation strategies have been proposed and explored to support the automated detection of Covid-19. A model based on a convolutional neural network was proposed to extract features of images for the feature-learning phase. Data augmentation and fine-tuning with deep-feature-based methods were applied to improve the model. Image enhancement and saliency maps were used to enhance visualisation and estimate the disease severity level based on two parameters; degree of opacity and geographic extent. Contrast-limited adaptive histogram equalisation and Otsu thresholding were employed with several parameters to investigate the effects on the visualisation results. An experimental investigation was performed between the proposed method and other pretrained DLAs. The proposed work obtained excellent classification accuracy and sensitivity of 97.36% and 95.24% respectively. In addition, the input parameters for image enhancement significantly affected the results. The overall performance metrics were perfect for DenseNet and adequately high for the proposed work which is comparable to other models. Data augmentation and fine-tuning successfully handed the networks to enhance the overall performance, especially in our case with limited datasets.
Sumber daya mineral yang ada di indonesia ini sangat banyak sekali tak<br />terkecuali untuk kebutuhan sehari-hari, air sangat di butuhkan oleh manusia buat mandi,<br />minum dan mencuci. Dalam pemakaian air terkadang kita tidak memperhatikan jumlah air<br />yang digunakan sehingga kita terlalu boros untuk memanfaatkannya. Dalam penelitian ini<br />di bahas tentang bagaimana kita dapat memanfaatkan jumlah air dalam kehidupan seharihari<br />sehingga tidak boros dalam pemakaiannya alat ini dapat memonitoring jumlah debit<br />atau pemakaian air yang telah di gunakan sehingga kita tidak boros dalam<br />memanfaatkannya. Dalam pemakaian air ini biasanya petugas PDAM (Perusahaan Daerah<br />Air Minum) memonitoring dari rumah ke rumah untuk mencatat berapa debit air yang telah<br />di gunakan oleh konsumen ( pelanggan ). Alat ini memudahkan konsumen supaya bisa<br />mengetahui berapa rupiah atau debit air yang di gunakan dengan menggunakan sms ( short<br />message service) dan flowmeter sebagai sensor. Petugas tidak perlu datang ke rumah untuk<br />mengecek atau mencatat berapa debit air yang telah di gunakan karena data tersebut sudah<br />tercatat ke dalam server.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.