Claim Missing Document
Check
Articles

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
PENGARUH PEMBERIAN NAUNGAN DENGAN INTENSITAS CAHAYA YANG BERBEDA TERHADAP PERTUMBUHAN DAN HASIL BERBAGAI JENIS TANAMAN SAWI (Brassica juncea L) Wibowo, Suryo Adhi; Sunaryo, Yacobus; Pamungkas, Djoko Heru
JURNAL ILMIAH AGROUST Vol 2 No 1 (2018): Maret
Publisher : Universitas Sarjanawiyata Tamansiswa

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

Abstract

This study aimed to determine the influence of shading and light intensity on several types of mustard plants. This research was conducted from April to May 2017 in Sumberejo Village, Semin Subdistrict, Gunungkidul Regency. This study was carried out by experimental factorial 3x3 aranged by split plot design wuth three replications , the first factor was the shading intensity: without shading, 50% shading, 75% shading and the second factor was the various of mustard plant that was consisted of green mustard, collard, and mustard spoon. The results of this study showed that there was interaction betwen shading and varians type of mustard plant on  fresh weight of plants, dry weight of the roots, and fresh weight of the plants of hectare. There was no interaction at plants height, leaf number, board leaf, fresh root weight, root dry weight, but shading with different intensity significantly affected the amount of chlorophyll, fresh weight of plant, root dry weight and weight of hectare. The 50% shading showed the best growth and result compared with 75% shading and without shading
An improved real time detection transformer method for retail product detection Wahyu Maulana, Andi; Adhi Wibowo, Suryo
IAES International Journal of Artificial Intelligence (IJ-AI) Vol 14, No 5: October 2025
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijai.v14.i5.pp4090-4100

Abstract

The main problem in retail product detection is intra-class variation, as some products have similar but distinct characteristics. The primary goal of this study is to address the problem of object detection on intra-class variation in retail environments. As a result, a new approach for object detection of retail products was developed by modifying the Real Time Detection Transformer (RT-DETR) model. To manage intra-class variation more successfully, the RT-DETR model is updated by modifying its architecture. There are two convolutions in the Contextual Cross-Feature Module (CCFM) fusion block section, which is adjusted by adding one convolution layer to each CCFM fusion block. A customized dataset was meticulously constructed to reflect the wide range of products frequently seen in retail outlets. For the constructed datasets, tests were run using the mean Average Precision (mAP) metric, which had a mAP0.5 of 99.5% and a mAP0.5:0.95 of 88.2%. The updated model is superior compared to original model. The difference in mAP0.5:0.95 was 2.5%, while precision increased by 1.3% and recall increased by 0.1%. Although the mAP0.5 results stay unchanged, the gains in the other metrics suggest that the RT-DETR model modifications can improve object detection skills, particularly when dealing with intra-class variation in retail merchandise.
Sistem Monitoring Tanaman Berbasis Internet of Things di SMK Telkom Bandung Novamizanti, Ledya; Wibowo, Suryo Adhi; Prasasti, Anggunmeka Luhur; Ruslan , Ramah Rinaldi; Fajri, Farhan Ulil; Mertu, Aidi; Mahfuz, Muhammad Rafi
Almufi Jurnal Pengabdian Kepada Masyarakat Vol 4 No 1: Juni (2024)
Publisher : Yayasan Almubarak Fil Ilmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63821/ajpkm.v4i1.306

Abstract

Perkembangan teknologi yang sangat pesat mengharuskan kurikulum dan keahlian siswa juga harus mengikuti perkembangan tersebut dengan baik termasuk di Sekolah Menengah Kejuruan (SMK) Telkom Bandung. Pada kegiatan ini, sistem monitoring jarak jauh berbasis Internet of Things (IoT) digunakan dan dapat diakses melalui ponsel. Sekolah Menengah Kejuruan (SMK) Telkom Bandung memiliki program studi Teknik Jaringan Komputer dan Telekomunikasi (TJKT), yang visinya adalah mempersiapkan siswa menghadapi revolusi digital dan memanfaatkan teknologi untuk masa depan yang lebih baik. Pengenalan teknologi IoT dengan perangkat seperti Arduino telah diajarkan di SMK untuk mendukung visi ini. Tim dosen dan mahasiswa Telkom University membuat modul, perangkat dan memberikan workshop tentang pembuatan alat berbasis IoT yang dapat memonitor suhu, kelembaban, kelembaban tanah, dan sensor gerak melalui ponsel sebagai bagian dari program pengabdian masyarakat. Peserta aktif terlibat dalam kegiatan ini dan memberikan feedback positif, menciptakan kesan inovatif yang baik. Kegiatan serupa diharapkan dapat terus dilakukan untuk mendukung pendidikan vokasi.
KLASIFIKASI TEKS BERBASIS LONG SHORT-TERM MEMORY UNTUK CHATBOT KONSELING GANGGUAN KECEMASAN SOSIAL Widianto, Kiki; Wibowo, Suryo Adhi; Sunarya, Unang
Telkatika: Jurnal Telekomunikasi Elektro Komputasi & Informatika Vol. 2 No. 2 (2023): Juni 2023
Publisher : Perpustakaan Universitas Telkom

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

Abstract

Chatbot adalah teknologi kecerdasan buatan yang dapat melakukan percakapan seperti manusia melalui teks atau suara. Sistem chatbot berupa tanya jawab dapat membantu kegiatan manusia, konsultasi terhadap suatu masalah bahkan menawarkan solusi untuk masalah medis. Setiap manusia memiliki tingkat kecemasan. Kecemasan yang berlebihan hingga gangguan kecemasan sosial dapat mengganggu aktivitas. Oleh karena itu, chatbot dapat menjadikan solusi menjadi pendengar dari sebuah masalah. Berdasarkan permasalahan diatas, pada penelitian ini dilakukan klasifikasi teks untuk konseling chatbot. Klasifikasi teks menggunakan Long Short-Term Memory (LSTM). Pemodelan teks pre-processing menggunakan modifikasi dataset ISEAR serta tanggapan dari beberapa orang. Metode LSTM yang diusulkan yaitu memetakan jawaban pengguna dari chatbot berdasarkan kategori label. Sistem dilatih menggunakan dataset berupa teks. Dataset dibuat berupa jawaban dari pengguna diberi label positif dan negatif dengan 70 training data. Hasil penelitian ini, model epoch 4 memiliki konfigurasi terbaik yaitu RMSprop learning rate 0,001 dengan test accuracy 85,71%. Sedangkan pada model epoch 6 memiliki konfigurasi terbaik yaitu RMSprop learning rate 0,01 dengan test accuracy 89,29%. Selain itu, parameter performansi pada epoch 4 rata-rata precision 97%, recall 97%, dan f1-score 97%. Kemudian parameter performansi pada epoch 6 rata-rata precision 97%, recall 97%, dan f1-score 97%.Kata Kunci: chatbot, gangguan kecemasan sosial, long short-term memory.
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 Felix Corputty Fiky Y. Suratman Firdaus, Rifqi Fadhilah Fityanul Akhyar Gelar Budiman Gusdi, Angelita Hanaluthfina Nurhadiati Hashfi Fadhillah Hesty Susanti 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 Siddiq Wahyu Hidayat 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