Article Per Year (5 Year)
p-Index From 2021 - 2026
5.616
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Bulletin of Electrical Engineering and Informatics JETT (Jurnal Elektro dan Telekomunikasi Terapan) JOIV : International Journal on Informatics Visualization JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING Jurnal Ilmiah FIFO TEKTRIKA - Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika IJAIT (International Journal of Applied Information Technology) JATI (Jurnal Mahasiswa Teknik Informatika) Journal of Computer, Electronic, and Telecommunication (COMPLETE) Almufi Jurnal Pengabdian kepada Masyarakat KOMMAS: Jurnal Pengabdian Kepada Masyarakat Jurnal Ilmiah Teknik Elektro eProceedings of Engineering Jurnal Ilmiah Agroust Telkatika: Jurnal Telekomunikasi Elektro Komputasi & Informatika SWAGATI: Journal of Community Service Jurnal Nasional Sains dan Teknik
Suryo Adhi Wibowo
Universitas Telkom
Religion Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Social Sciences Other

Published : 71 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 45 Documents
Search
Journal : eProceedings of Engineering

 1   2   3   4   5 
Implementasi Sistem Monitoring Cerdas Berbasis Konsumsi Listrik pada Ruang Kelas Universitas Telkom Amara, Dhiva Byantika; Wibowo, Suryo Adhi; Umbara , Taufan
eProceedings of Engineering Vol. 11 No. 4 (2024): Agustus 2024
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

In the use of electronic facilities are often used unintentionally, when the user leaves the room the lights, TV, and AC are still on. This can result in inefficient use of electrical energy, increased costs, to damage to electrical components or electrical short circuits. This study explains the implementation of the Intelligent Monitoring System (IMS) in the classroom of the Telkom University Landmark Tower (TULT) building. IMS is used to monitor and control classroom conditions remotely, the tool used to monitor the classroom is CCTV, while the control tool uses an IoT device, and uses a website to find out classroom conditions remotely. In this context, the author uses one of the branches of deep learning science with the YOLOv8 method and a confidence level value of 0.1 to detect the presence of humans in the classroom. The results of this test show that the use of the YOLOv8 method and a confidence level value of 0.1 in detecting humans in the classroom obtained an accuracy level of 100%, sensitivity of 100%, and specificity of 100%. So the YOLOv8 method and the confidence level value of 0.1 are used in this study. Keywords — electronic facilities, IMS, classrooms, websites.
Implementasi Sistem Monitoring Cerdas Berbasis Konsumsi Listrik pada Ruang Kelas Universitas Telkom Rahmalisty, Fiona Okki; Wibowo, Suryo Adhi; Umbara, Taufan
eProceedings of Engineering Vol. 11 No. 4 (2024): Agustus 2024
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Dalam penggunaan fasilitas elektronik sering terabaikan secara tidak sengaja, pada saat pengguna meninggalkan ruangan kondisi lampu, TV, dan AC masih dalam keadaan menyala. Hal tersebut dapat mengakibatkan, penggunaan energi listrik yang tidak efisien, biaya yang dikeluarkan bertambah, hingga terjadinya kerusakan pada komponen listrik atau korsleting listrik. Pada penelitian ini, menjelaskan mengenai pengimplementasian Intelligent Monitoring System (IMS) pada ruang kelas gedung Telkom University Landmark Tower (TULT). IMS digunakan untuk memantau dan mengontrol kondisi ruang kelas dari jarak jauh, alat yang digunakan untuk memantau ruang kelas adalah CCTV, sedangkan untuk alat kontrol menggunakan perangkat IoT, dan menggunakan sebuah website untuk mengetahui kondisi ruang kelas dari jarak jauh. Dalam konteks ini, penulis menggunakan salah satu cabang ilmu deep learning dengan metode YOLOv8 dan nilai confidence level 0.1 untuk mendeteksi keberadaan manusia pada ruang kelas. Hasil pengujian ini menunjukkan bahwa penggunaan metode YOLOv8 dan nilai confidence level 0.1 dalam mendeteksi manusia pada ruang kelas diperoleh tingkat akurasi 100%, sensitifitas 100%, dan spesifisitas 100%. Sehingga metode YOLOv8 dan nilai confidence level 0.1 yang digunakan dalam penelitian ini. Kata kunci — fasilitas elektronik, IMS, ruang kelas, website.
Implementasi Sistem Pemantauan Cerdas Berbasis Konsumsi Listrik untuk Telkom Kelas Universitas Rahmalisty , Fiona Okki; Wibowo , Suryo Adhi; Umbara , Taufan
eProceedings of Engineering Vol. 11 No. 4 (2024): Agustus 2024
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Dalam penggunaan fasilitas elektronik sering terabaikan secara tidak sengaja, pada saat pengguna meninggalkan ruangan kondisi lampu, TV, dan AC masih dalam keadaan menyala. Hal tersebut dapat mengakibatkan, penggunaan energi listrik yang tidak efisien, biaya yang dikeluarkan bertambah, hingga terjadinya kerusakan pada komponen listrik atau korsleting listrik. Pada penelitian ini, menjelaskan mengenai pengimplementasian Intelligent Monitoring System (IMS) pada ruang kelas gedung Telkom University Landmark Tower (TULT). IMS digunakan untuk memantau dan mengontrol kondisi ruang kelas dari jarak jauh, alat yang digunakan untuk memantau ruang kelas adalah CCTV, sedangkan untuk alat kontrol menggunakan perangkat IoT, dan menggunakan sebuah website untuk mengetahui kondisi ruang kelas dari jarak jauh. Dalam konteks ini, penulis menggunakan salah satu cabang ilmu deep learning dengan metode YOLOv8 dan nilai confidence level 0.1 untuk mendeteksi keberadaan manusia pada ruang kelas. Hasil pengujian ini menunjukkan bahwa penggunaan metode YOLOv8 dan nilai confidence level 0.1 dalam mendeteksi manusia pada ruang kelas diperoleh tingkat akurasi 100%, sensitifitas 100%, dan spesifisitas 100%. Sehingga metode YOLOv8 dan nilai confidence level 0.1 yang digunakan dalam penelitian ini. Kata kunci — fasilitas elektronik, IMS, ruang kelas, website.
Perancangan Slice Math Permainan Matematika Berbasis Virtual Reality Menggunakan Unreal Engine 5 Fathiyya, Dhiya; Wibowo, Suryo Adhi; Novamizanti, Ledya
eProceedings of Engineering Vol. 11 No. 4 (2024): Agustus 2024
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Digitalisasi mendorong perkembangan teknologi, termasuk virtual reality (VR) yang memiliki dampak di berbagai aspek kehidupan, salah satunya pendidikan. Permainan VR menjadi salah satu digitalisasi yang telah terbukti dari penelitian terkait sebelumnya mampu meningkatkan efektivitas dalam pembelajaran. Penelitian ini merancang permainan matematika berbasis VR menggunakan Unreal Engine 5 yang bertujuan untuk memberikan pengalaman menarik bagi siswa. Menggunakan metode Game Development Life Cycle (GDLC) untuk melalukan proses pembuatan game ini. Dari hasil integrasi aset 2D dan 3D yang dilakukan ke dalam aplikasi Slice Math dengan melakukan uji blackbox, semua fitur yang dibuat mampu berjalan sesuai dengan yang direncanakan. Secara keseluruhan dari penelitian ini mendukung bahwa teknologi VR mampu dikombinasikan ke dalam pembelajaran matematika untuk membuat suatu permainan matematika yang interaktif. Kata kunci— virtual reality, matematika, permainan edukasi.
Pendekatan Dengan Bilstm: Kasus Peramalan Harga Penutupan Saham Qomariyati, Laily Nur; Wibowo, Suryo Adhi; Sunarya, Unang
eProceedings of Engineering Vol. 11 No. 4 (2024): Agustus 2024
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

— Peramalan saham merupakan salah satu tugas penting di pasar saham karena prediksi harga saham di masa depan dapat membantu investor dalam mengambil keputusan yang lebih baik. Penelitian ini mengkaji potensi jaringan Bidirectional Long Short-Term Memory (BiLSTM) sebagai bagian dari model deep learning untuk meningkatkan akurasi prediksi saham. Model BiLSTM yang diusulkan memanfaatkan kemampuan arsitektur model ini untuk menangkap ketergantungan jangka pendek dan jangka panjang dengan memproses data secara dua arah. Hal ini memungkinkan model untuk memanfaatkan informasi dari masa lalu dan masa depan secara simultan, memberikan prediksi yang lebih akurat. Model BiLSTM ini dievaluasi menggunakan metrik evaluasi seperti Mean Absolute Error (MAE), Root Mean Square Error (RMSE), dan Mean Absolute Percentage Error (MAPE). Penelitian ini menguji model pada beberapa saham, termasuk Apple, Gold, Oil, dan Silver. Hasil penelitian menunjukkan bahwa pendekatan BiLSTM tidak hanya efektif dalam memajukan metode peramalan harga penutupan saham, tetapi juga memiliki aplikasi praktis pada berbagai instrumen keuangan lainnya. Temuan ini memberikan kontribusi signifikan dalam bidang peramalan pasar saham, memperlihatkan bahwa BiLSTM dapat menjadi alat yang andal dan efektif dalam memprediksi pergerakan harga saham dan instrumen keuangan lainnya. Kata kunci — peramalan saham, deep learning, BiLSTM.
Perancangan Sistem Deteksi Hewan Ternak dengan Pendekatan Segmentasi Menggunakan MASK R-CNN Rofifi, M. Faiq; Wibowo, Suryo Adhi; Sudjai, Miftadi
eProceedings of Engineering Vol. 11 No. 6 (2024): Desember 2024
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Industri peternakan menghadapi tantangan dalam pengawasan hewan ternak, khususnya dalam mendeteksi dan mengidentifikasi individu hewan secara akurat di tengah berbagai kondisi lingkungan yang kompleks. Salah satu tantangan utama adalah tumpang tindih objek atau oklusi, yang dapat menyebabkan kesalahan dalam deteksi, seperti ketika beberapa hewan terdeteksi dalam satu bounding-box. Dalam penelitian ini, teknologi Computer Vision digunakan untuk mengatasi masalah tersebut melalui pelatihan model Mask R-CNN yang diterapkan pada tiga kelas hewan ternak: sapi, domba, dan kuda. Pemilihan kelas hewan ini didasarkan pada prevalensi mereka dalam industri peternakan modern. Model dilatih dan diimplementasikan pada gambar yang mengandung hewan dari kelas yang sama maupun berbeda, serta diuji dalam kondisi oklusi untuk mengevaluasi kemampuan model dalam mendeteksi dan melakukan segmentasi objek di daerah yang sulit. Hasil pelatihan menunjukkan total loss sebesar 0,822, dengan akurasi deteksi objek yang mencapai 94,73% dan akurasi segmentasi sebesar 90,1%. Evaluasi lebih lanjut dilakukan untuk mengukur kualitas prediksi model, yang menghasilkan nilai Mean Average Precision (MAP) sebesar 0,427 untuk deteksi objek dan 0,364 untuk segmentasi. Tingkat kesalahan deteksi yang rendah juga tercatat, dengan sekitar 2 dari 5 objek terdeteksi secara salah. Kata kunci— Oklusi, Mask R-CNN, instance segmentation, COCO Dataset
Aplikasi Rekomendasi Produk Makanan dan Minuman Kemasan Berdasarkan Analisis Kandungan Nutrisi dengan Menggunakan Machine Learning Hoka Cristian Son; Raihan Putra Darmawan; Adam Wisnu Pradana; Suryo Adhi Wibowo; Aulia Aushaf Abidah
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Konsumsi makanan dan minuman kemasan telah menjadi bagian integral dari gaya hidup modern, namun kurangnya pemahaman tentang kandungan nutrisi dalam produk-produk tersebut menimbulkan kekhawatiran serius terhadap kesehatan jangka panjang. Berdasarkan survei yang telah dilakukan, sebanyak 88% responden merasa khawatir dengan dampak konsumsi produk kemasan terhadap kesehatan, sementara 72,8% masih mengalami kesulitan dalam memilih produk yang sesuai dengan kebutuhan nutrisi mereka. Untuk mengatasi permasalahan tersebut, penelitian ini mengembangkan aplikasi BeWise, sebuah platform rekomendasi produk makanan dan minuman kemasan berdasarkan analisis kandungan nutrisi dengan pendekatan machine learning. Aplikasi ini mengimplementasikan fuzzy logic untuk mengklasifikasikan produk ke dalam kategori Nutri-Score (A-E) berdasarkan parameter nutrisi seperti energi, lemak jenuh, gula, natrium, protein, dan serat. Dengan fitur pemindaian barcode yang terintegrasi dengan ML Kit, pengguna dapat dengan mudah mendapatkan informasi nutrisi produk secara instan dan menerima rekomendasi alternatif yang lebih sehat berdasarkan preferensi mereka. Hasil pengujian menunjukkan bahwa model machine learning yang dikembangkan mencapai akurasi 90% dalam mengklasifikasikan Nutri-Score produk, dengan performa API yang stabil pada waktu respons rata-rata 422,85 ms bahkan dalam kondisi beban tinggi. Pengujian usability menggunakan System Usability Scale (SUS) menghasilkan skor 86,1 dalam kategori sangat baik, mengindikasikan bahwa aplikasi dirancang dengan mempertimbangkan kemudahan penggunaan bagi berbagai kalangan masyarakat.Kata kunci— Aplikasi, Fuzzy Logic, Machine Learning, Nutrisi, Nutri-Score
Pembelajaran Kolaboratif Berdasarkan Two-Branch Neural Network dan YOLOv5 Untuk Deteksi Objek Pada Kendaraan Otonom Aulia, Agniya Tazkiya; Wibowo, Suryo Adhi; Akhyar, Fityanul
eProceedings of Engineering Vol. 10 No. 3 (2023): Juni 2023
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak—Seiring dengan kemajuan teknologi dan otomatisasi, perkembangan pada Autonomous Vehicle (AV) meningkat secara signifikan. Object detection memegang peranan penting pada teknologi AV. Pada penerapannya, kondisi cuaca yang buruk mengakibatkan terjadinya penurunan performa sistem dalam mendeteksi objek terutama ketika cuaca berkabut. Tugas Akhir ini menganalisis konfigurasi dari pembelajaran kolaboratif an- tara algoritma dehazing dan object detection untuk meningkatkan kinerja sistem AV dalam mendeteksi objek di kondisi cuaca berkabut. Algoritma dehazing yang digunakan adalah Two- Branch Neural Network, sedangkan algoritma object detection yang digunakan adalah YOLOv5. Pada YOLOv5 dilakukan optimasi dengan hyperparameter tuning untuk mendapatkan nilai pengukuran terbaik. Hasil penelitian menunjukkan bahwa model pembelajaran kolaboratif memiliki mAP yang lebih tinggi dari model YOLOv5 orisinal, dengan nilai 71,5%. Di sisi lain, konfigurasi hyperparameter terbaik didapatkan pada nilai learn- ing rate 0,00334; batch size 32; dan lainnya didapatkan dari hyperparameter VOC. Hal ini meningkatkan mAP dari 71,5% ke 74,8%.Kata kunci—AV, YOLOv5, two-branch neural network, object detection, image dehazing, hyperparameter
Surveillance System Scheme using Multi-detection Attribute with Optimized Neural Network Algorithm on Intelligent Transportation System Nasirudin, Akhmad Yusuf; Usman, Koredianto; Wibowo, Suryo Adhi
eProceedings of Engineering Vol. 10 No. 3 (2023): Juni 2023
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstract- Intelligent Transportation System (ITS) combines a transportation system with Information and Communication Technology (ICT) system, where ICT system plays a role in adding functionality in the form of intelligence resembling human intelligence to the transportation system. The combination allows humans to know the real state of the transportation system including transportation components, such as the status of the road, objects around the vehicle, and the state of the vehicle, thus enabling humans to optimize the transportation system. For example, if there is a group of thief that using a van on the road, we can fasten the process to detect where is the route that used by the thief by adding a vehicle detector on the traffic light camera. This detector will be work better if the detector can detect the van in real-time and in a high resolution image. This work will discuss on how to increase the detector system performance on inference time (fps) and accuracy using HRNet and FCOS. HRNet is a high resolution image network architecture that can process image in a multiple resolution (low, medium, high) to maintain the high resolution but still have an enough image feature to process, while FCOS is a one stage anchor-free detector, so it can detect the object faster than the anchor-based detector. The performances was even more better when we add a warm up training before the training process. Our experimental results shows that our system has a better result compared with the reference result using same dataset and hyperparameter. It also has a better result compared with the reference result that using the reference dataset and hyperparameter.Keywords- intelligent transportation system; objet detection; vehicle detection; attribute detection; computer vision; image processing; surveillance system.
Performance Analysis Of Class Rebalancing Self-Training Framework For Imbalanced Semi-Supervised Learning Nauw, Alvaro Septra Dominggo; Wibowo, Suryo Adhi; Setianingsih, Casi
eProceedings of Engineering Vol. 10 No. 5 (2023): Oktober 2023
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

This research aims to analyze the effectiveness ofthe Class-Rebalancing Self-Training (CReST) method in semisupervisedlearning (SSL) on class-imbalanced data. The studyuses the CIFAR 10 long-tailed dataset to test the performance ofSSL with CReST using Python programming language on theGoogle Colab platform. The results showed that CReSTeffectively reduces pseudo-labels in the majority class andincreases recall in the minority class, with the best performanceachieved at Generation 16. However, there was a decrease inAverage Accuracy Recall per Class after Generation 16. Thestudy suggests addressing the over-sampling issue and exploringthe application of the CReST framework in other areas ofmachine learning and AI.Kata kunci— CReST, Semi-Supervised Learning, imbalancedata, pseudo label, Semi-Supervised Learning Generation
Co-Authors Achmad Rizal Adam Wisnu Pradana Agnes Gabriela Putri Winata Agus Pratondo Al Rasyid, Sadam Aldo Tripolyta Aldra Kasyfil Aziz Amara, Dhiva Byantika Angga Rusdinar ANGGUNMEKA LUHUR PRASASTI Anky Aditya P Annisa Istiqomah Asep Insani Atina Nur Azizah Aulia Aushaf Abidah Aulia, Agniya Tazkiya Aziz, Burhanuddin Bambang Hidayat Bambang Hidayat Bambang Setia Nugroho Budiyanto, Anggara Casi Setianingsih Dany Eka Saputra David Chandra Dawwam, Muhammad Devita Rahma Apriliani Dien Rahmawati Dini Himmah Al Aliyyah Al Aliyyah Djoko Heru Pamungkas Djoko Heru Pamungkas Dwiki Kurniawan Dyah Avita Sari Fahmi Oscandar Fahmi Oscandar Fajri, Farhan Ulil Farah Hana Kusumaputri Fathiyya, Dhiya Fauziah, Nita Avila Felix Corputty Fiky Y. Suratman Firdaus, Rifqi Fadhilah Fityanul Akhyar Gelar Budiman Gusdi, Angelita Hanaluthfina Nurhadiati Hashfi Fadhillah Hesmono, Prita Trivena Hesty Susanti Hidayat, Dehani Nurkemala Hoka Cristian Son Hudzaifa, Muhammad Altaharik Huljannah, Miftah Humayra, Tia Hasna Husneni Mukhtar Indra Aulia Iwan Iwut Tritoasmoro Jangkung Raharjo Julyano , Muhammad Billy Khairunnisa, Mutiarahmi Koredianto Usman Kris Sujatmoko Kurnia Ramadani Kusnahadi Susanto Kusuma Nindia Rizki Lazuardi, Aldira Fadillah Ledya Novamizanti Liyana Faiza Lulud Annisa Ainun Mahmuddah Lyra Vega Ugi M. Faiz Nashrullah Maharani , Kartika Dwi Maharani, Kartika Dwi Mahfuz, Muhammad Rafi Maulana , Muhammad Dafa Mertu, Aidi Miftadi Sudjai Muhammad Alief Hidayah Baso Muhammad Azwar Zulmi Muhammad Raia Pratama Putra Wibowo Muthia Saada Nadya Sindi Safitri Nasirudin, Akhmad Yusuf Nauw, Alvaro Septra Dominggo Oriza Intani Prasaja Wibawa Utama Prihananto, Jeremia Pandu Putra Putri Utami Hafgianti Qomariyati, Laily Nur Rabby Fitriana Adawiyah Radhibilla, Maulaya Raditiana Patmasari Rahmalisty , Fiona Okki Rahmalisty, Fiona Okki Raihan Putra Darmawan Ramadhan, Ferdian Ilham Rambi, Wesli Yeremi Valentino Ricky Hilmi Sudrajad Rissa Rahmania Rissa Rahmania Rissa Rahmania Rissa Rahmania Rissa Rahmania, Rissa Rita Purnamasari Rizal , Syamsul Rofifi, M. Faiq Rosadi, Choiron Ruslan , Ramah Rinaldi Setiawan, Jonathan Vito Setiawan, Raihan Radhitya Siddiq Wahyu Hidayat Sudiartama , Annenta Gistya Sunaryo, Yacobus Susi Diriyanti Novalina Syahanifa , Nancy Olivia Syahanifa, Nancy Olivia Syamsul Rizal Syifa, Vito Devara Taufan Umbara Tembang Florian Falah Teuku Zulkarnain Muttaqien Unang Sunarya Viky Premeita Mitayani Vivian Alfionita Sutama Wahmisari Priharti Wahyu Maulana, Andi Wardani , Shania Widianto, Kiki Willy Anugrah Cahyadi Wiwit Ratri Wulandari Yacobus Sunaryo Yurika Ambar Lita Yuti Malinda