Many algorithms have been developed for automated electrocardiogram (ECG) classification. Due to the non-stationary nature of the ECG signal, it is rather challenging to use traditional handcraft methods, such as time-based analysis of feature extraction and classification, to pave the way for machine learning implementation. This paper proposed a novel method, i.e., the ensemble of depthwise separable convolutional (DSC) neural networks for the classification of cardiac arrhythmia ECG beats. Using our proposed method, the four stages of ECG classification, i.e., QRS detection, preprocessing, feature extraction, and classification, were reduced to two steps only, i.e., QRS detection and classification. No preprocessing method was required while feature extraction was combined with classification. Moreover, to reduce the computational cost while maintaining its accuracy, several techniques were implemented, including All Convolutional Network (ACN), Batch Normalization (BN), and ensemble convolutional neural networks. The performance of the proposed ensemble CNNs were evaluated using the MIT-BIH arrythmia database. In the training phase, around 22% of the 110,057 beats data extracted from 48 records were utilized. Using only these 22% labeled training data, our proposed algorithm was able to classify the remaining 78% of the database into 16 classes. Furthermore, the sensitivity ( $S_n$ ), specificity ( $S_p$ ), and positive predictivity ( $P_p$ ), and accuracy ( $Acc$ ) are 99.03%, 99.94%, 99.03%, and 99.88%, respectively. The proposed algorithm required around 180 μs, which is suitable for real time application. These results showed that our proposed method outperformed other state of the art methods.

The electrocardiogram (ECG) is relatively easy to acquire and has been used for reliable biometric authentication. Despite growing interest in ECG authentication, there are still two main problems that need to be tackled, i.e., the accuracy and processing speed. Therefore, this paper proposed a fast and accurate ECG authentication utilizing only two stages, i.e., ECG beat detection and classification. By minimizing time-consuming ECG signal pre-processing and feature extraction, our proposed two-stage algorithm can authenticate the ECG signal around 660 μs. Hamilton’s method was used for ECG beat detection, while the Residual Depthwise Separable Convolutional Neural Network (RDSCNN) algorithm was used for classification. It was found that between six and eight ECG beats were required for authentication of different databases. Results showed that our proposed algorithm achieved 100% accuracy when evaluated with 48 patients in the MIT-BIH database and 90 people in the ECG ID database. These results showed that our proposed algorithm outperformed other state-of-the-art methods.

Pengisian cairan dapat dilakukan dengan mudah secara manual. Tetapi untuk hasil yang lebih baik, sebaiknya dilakukan otomatis menggunakan katup elektronik, terutama untuk pengisian berulang dalam rentang waktu lama. Tetapi di beberapa kasus, kabel penghubung antara tempat pengisian dengan sistem elektronik dianggap menyulitkan dan beresiko. Penggunaan modul WiFi dapat menjadi alternatif solusi masalah ini. Selain menghubungkan sistem mekanik pengisian dengan smartphone, modul ini juga dapat menghubungkan sistem mekanik tersebut dengan PC yang berperan sebagai Data Logger sekaligus Web server. Pada penelitian ini telah dirancang dan diuji, sistem pengisian air mulai 50 ml sampai 1000 ml dengan resolusi 50 ml. Volume cairan yang diinginkan dapat ditentukan melalui keypad dan proses pengisian dipantau menggunakan flowmeter. Aliran cairan dapat dibuka dan ditutup melalui katup elektronik dan hasil akhir pengisian ditampilkan di LCD. Selain itu, data hasil pengisian juga dapat dikirimkan ke smartphone maupun PC yang berperan sebagai Data Logger dan Web Server. Dari serangkaian pengujian diperoleh akurasi pengisian dengan kesalahan berkisar antara 0,1%-10%. Jangkauan WiFi dianggap memadai, melampaui 20 m, dengan proses pengiriman kurang dari 2 ms. Selain itu, PC juga dapat merekam seluruh kejadian pengisian, berupa waktu dan volume pengisian, serta menampilkannya pada domain Web.

Tulisan ini berkaitan dengan pemantauan Lampu Penerang Jalan. Selain harus dirancanang ON dan OFF secara otomatis untuk menghemat energi listrik dan tenaga manusia, sistem penerangan jalan juga harus dipantau secara berkala, baik terkait dengan perawatan maupun kualitas pelayanan. Untuk memastikan perlu tidaknya lampu dihidupkan, diperlukan sensor cahaya, dalam hal ini LDR, Light Dependent Resistor. Sedangkan informasi yang terkait dengan keadaan sistem penerangan dikirimkan via SMS. Sistem otomatis seperti ini dikendalikan menggunakan mikrokontroler. Setelah dilakukan beberapa kali pengujian, sistem ini terbukti efektif mendeteksi cahaya, dan otomatis mengaktifkan lampu jika keadaan cukup gelap. Terkait dengan perawatan, sistem ini terbukti dapat mengirimkan SMS notifikasi sesuai dengan keadaan saat itu. Kata kunci : Sensor LDR, GSM Shield, Arduino Uno.

Rancang bangun sistem kendali gorden jendela dan lampu otomatis menggunakan sensor cahaya dan bluetooth berbasis Arduino yang bisa dikontrol melalui HP Android merupakan gagasan yang timbul untuk memenuhi kebutuhan sistem otomatisasi pada rumah, dengan menggunakan sensor sebagai pengambil keputusan pada sistem ini. Dalam bahasa pemograman Arduino akan digunakan bahasa C, karena lebih mudah dipelajari dan mempunyai struktur bahasa tingkat tinggi yang lebih mudah dipahami. Sedangkan untuk pemrograman Android akan digunakan aplikasi Java Eclipse. Supaya Arduino dan Android bisa berkomunikasi, terlebih dahulu modul bluetooth di-pairing dengan bluetooth Android. Buka tutup gordeng dan nyala lampu ini akan dikontrol dengan tombol- tombol yang ada di Android . Kebutuhan sistem tersebut diperlukan rumah yang menerapkan otomatisasi pada penggunaan gorden jendela dan lampu. Permasalahannya diperlukan suatu sistem yang dapat membantu manusia dalam melakukan aktifitas sehingga dapat lebih efisien. Untuk memecahkan permasalahan diatas maka dirancang suatu sistem yang dapat berjalan secara otomatis, dalam hal ini perancangan sistem gorden dan lampu otomatis menggunakan sensor cahaya dan bluetooth berbasis Arduino dan smartphone Android sebagai perangkat utama kendali sistem. Komunikasi antara Android dengan Arduino menggunakan komunikasi via bluetooth, pada pengujian gorden dan lampu otomatis ini dapat dikontrol hingga jarak maksimum 14 m pada ruangan. Dalam perancanan ini sistem kerjanya juga dapat dirubah menggunakan sensor cahaya sebagai penerima untuk melakukan tindakan interupsi pada mikrokontroler, dalam hal ini ketika malam hari atau tidak adanya cahaya maka sensor akan bekerja untuk memberi input kepada mikrokontroler dan secara otomatis gorden jendela akan menutup dan lampu akan menyala. Begitu juga sebaliknya ketika siang hari atau terdapat cahaya maka sensor akan bekerja untuk memberikan input kepada mikrokontroler untuk membuka tirai jendela dan mematikan lampu. Kata Kunci: Teknologi, pengontrolan, Arduino, Android, Bluetooth, sensor cahaya, Java Eclipse, gorden dan lampu otomatis.

Akses lift menggunakan kartu RFID berbasis mikrokontroller AT89S51 ini terdri dari mikrokontroller sebagai pengendali utama, Tag RFID + Reader RFID sebagai akses lift menuju lanatai tujuan, sensor infra merah sebgai pembatas tiap lantai, Motor Stepper sebagai actuator pintu lift membuka dan menutup dan motor DC sebagai actuator naik turun pada lift.Rataan watu tempuh akses lift untuk menuju lantai 1 adalah 5,682 detik dan untuk menuju lantai 2 adalah 22,164 detik. Jarak maksimum Tag RFID yang dapat dideteksi oleh Reader RFID adalah 4,2 cm. Sedangkan kecepatan rata-rata yang dibutuhkan lift adalah 0,0283 m/s. Kata kunci : RFID, mikrokontroller AT89S51, Motor DC, Motor Stepper