Article Per Year (5 Year)
p-Index From 2021 - 2026
6.834
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Edukasi dan Penelitian Informatika (JEPIN) ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika JOIV : International Journal on Informatics Visualization JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING Jurnal Abdimasa TELKA - Telekomunikasi, Elektronika, Komputasi dan Kontrol JMECS (Journal of Measurements, Electronics, Communications, and Systems) Jurnal Teknik Informatika (JUTIF) Jurnal Ilmu Komputer dan Informatika Journal of Informatics and Communication Technology (JICT) Jurnal Nasional Teknik Elektro dan Teknologi Informasi eProceedings of Engineering Journal of Informatics and Communication Technology (JICT)
SOFIA SAIDAH
Telkom University
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mathematics Other

Published : 73 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 36 Documents
Search
Journal : eProceedings of Engineering

 1   2   3   4 
Integrasi Algoritma CNN pada Backend Sistem Identifikasi Sidik Bibir Berbasis Website Pratama, Irsyad Fadil Augusta; Saidah, Sofia; Hidayat , Bambang
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

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

Abstract

Identifikasi individu merupakan aspek krusial dalam bidang forensik dan keamanan digital, namun metode biometrik konvensional memiliki sejumlah keterbatasan. Sidik bibir menawarkan alternatif yang menjanjikan karena polanya yang unik dan permanen. Namun, sistem identifikasi sidik bibir yang ada seringkali belum terintegrasi secara efektif dan efisien. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sebuah sistem identifikasi individu berbasis website dengan mengintegrasikan algoritma Convolutional Neural Network (CNN) pada sisi backend. Metode yang digunakan meliputi serangkaian tahapan pengolahan citra digital yang komprehensif, dimulai dari segmentasi area bibir menggunakan model U-Net, peningkatan kontras dengan Contrast Limited Adaptive Histogram Equalization (CLAHE), ekstraksi tekstur melalui Gabor Filter, hingga binarisasi adaptif dan operasi morfologi untuk memperjelas pola. Model klasifikasi dibangun menggunakan arsitektur MobileNetV2 melalui pendekatan transfer learning. Hasil pengujian sistem pada dataset yang dikembangkan menunjukkan kinerja yang sangat optimal, dengan keberhasilan mencapai akurasi identifikasi sebesar 100% dan tingkat presisi 100%. Keberhasilan ini membuktikan bahwa integrasi algoritma CNN pada backend sistem berbasis web merupakan solusi yang efektif, akurat, dan potensial untuk dikembangkan lebih lanjut sebagai teknologi identifikasi biometrik modern.Kata kunci — CNN, identifikasi individu, sidik bibir, backend, website, pengolahan citra
Perancangan Antarmuka dan Integrasi Algoritma CNN pada Sistem Identifikasi Sidik Bibir Berbasis Web Wahyu, I Komang Trisna; Saidah, Sofia; Hidayat , Bambang
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

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

Abstract

Identifikasi individu merupakan aspek penting dalam bidang forensik dan keamanan digital, namun metode biometrik konvensional masih memiliki keterbatasan dalam penerapannya. Sidik bibir sebagai biometrik unik memiliki potensi besar untuk dimanfaatkan dalam proses identifikasi forensik. Penelitian ini bertujuan merancang antarmuka berbasis prinsip UI/UX serta mengimplementasikan algoritma Convolutional Neural Network (CNN) pada sistem identifikasi sidik bibir berbasis web. Perancangan antarmuka dilakukan dengan prinsip UI/UX agar sistem mudah digunakan, responsif, dan informatif. Sistem memungkinkan pengguna mengunggah citra sidik bibir yang kemudian diproses secara otomatis oleh model CNN untuk mengklasifikasikan pola sesuai data pelatihan. Proses pengolahan citra meliputi segmentasi bibir menggunakan U-Net, peningkatan kualitas dengan Contrast Limited Adaptive Histogram Equalization (CLAHE), serta ekstraksi tekstur menggunakan Gabor Filter untuk menangkap orientasi dan frekuensi garis sidik bibir. Citra hasil ekstraksi selanjutnya diproses melalui binarisasi adaptif dan operasi morfologi untuk mempertegas pola serta mengurangi noise. Model klasifikasi dibangun menggunakan arsitektur MobileNetV2 dengan transfer learning dari pre-trained model ImageNet, disesuaikan pada lapisan akhir untuk klasifikasi sidik bibir. Hasil pengujian pada dataset yang dikembangkan menunjukkan akurasi 100% dan presisi 100%, membuktikan bahwa integrasi antarmuka web yang responsif dengan model CNN dan preprocessing yang tepat mampu menghasilkan sistem identifikasi sidik bibir yang akurat, efisien, dan potensial diterapkan pada bidang forensik serta keamanan digital.Kata kunci— identifikasi sidik bibir, CNN , mobilenetv2, ui/ux, unet, gabor filter
Implementasi Metode Convolutional Neural Network dalam Pengolahan Citra Digital Sidik Bibir Irwansyah, Irwansyah; Saidah, Sofia; Hidayat, Bambang
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

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

Abstract

Penelitian ini membahas pengembangan sistem identifikasi individu berbasis sidik bibir menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2. Sidik bibir dipilih sebagai alternatif biometrik karena memiliki pola unik dan dapat digunakan baik pada individu hidup maupun korban, sehingga relevan dalam bidang forensik dan keamanan. Dataset diperoleh melalui pengambilan GAMBAR langsung terhadap sepuluh individu (total 200 citra), yang kemudian diproses melalui segmentasi U-Net, konversi grayscale, peningkatan kontras menggunakan CLAHE, ekstraksi fitur dengan Gabor filter, binarisasi adaptif, operasi morfologi, normalisasi, dan augmentasi data untuk meningkatkan kemampuan generalisasi. MobileNetV2 digunakan sebagai feature extractor dengan bobot awal ImageNet, diikuti dense layer tambahan untuk klasifikasi multikelas. Proses pelatihan dilakukan dengan optimasi hyperparameter meliputi augmentasi, batch size, optimizer, learning rate, dan jumlah epoch. Hasil pengujian menunjukkan konfigurasi terbaik pada optimizer Adam dengan learning rate 0,001 dan pelatihan selama 200 epoch, yang mampu mencapai akurasi, presisi, recall, dan F1-score sebesar 100% pada data uji. Sistem yang dikembangkan terbukti efektif dalam mengenali pola sidik bibir, menunjukkan potensi tinggi sebagai metode identifikasi biometrik alternatif. Pengembangan lebih lanjut direkomendasikan dengan memperluas variasi dataset dan menguji data untuk meningkatkan kemampuan generalisasi.Kata kunci— CNN, MobileNetV2 Identifikasi Individu, Klasifikasi Biometrik, Pengolahan Citra, Sidik Bibir.
Penerapan Metode OCR dan NLP dalam Aplikasi Transliterasi Aksara Jawa Berbasis Android Givalle , Zerricho Helsa Bagus; Abdillah, Obey Muhammad; Aditya, Hendra; Wijayanto, Inung; Saidah, Sofia
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

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

Abstract

Rancang Bangun Sistem People Counter untuk Penghitungan Durasi dan Kepadatan Orang dalam Ruangan Berbasis YOLOv8 Nimra , Fadhil Julian; Tritoasmoro, Iwan Iwut; Saidah, Sofia
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

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

Abstract

Pengelolaan ruang publik seperti kafe, restoran, dan ruang kerja bersama memerlukan informasi akurat mengenai jumlah pengunjung, durasi kehadiran, dan tingkat kepadatan ruangan untuk mendukung pengambilan keputusan operasional. Penelitian ini merancang dan mengimplementasikan sistem People Counter berbasis visi komputer menggunakan algoritma YOLOv8 untuk mendeteksi dan menghitung jumlah orang secara real-time. Sistem memanfaatkan kamera IP berbasis RTSP sebagai perangkat input, kemudian memproses data video melalui model YOLOv8 yang telah fine-tuned khusus untuk deteksi manusia. Untuk memantau pergerakan individu, sistem menerapkan object tracking sehingga setiap pengunjung memiliki ID unik, memungkinkan perhitungan durasi kunjungan secara presisi. Data hasil deteksi disimpan pada basis data dan divisualisasikan melalui dashboard interaktif yang menampilkan jumlah pengunjung, tingkat kepadatan, serta tren kunjungan dalam bentuk grafik. Pengujian menunjukkan akurasi deteksi rata-rata mencapai 87,5% dengan kecepatan pemrosesan ≥15 FPS, dan toleransi kesalahan durasi ±2 detik. Hasil ini membuktikan bahwa sistem People Counter yang dikembangkan dapat diandalkan untuk pemantauan kapasitas ruangan secara otomatis, efisien, dan adaptif. Implementasi sistem ini berpotensi digunakan dalam berbagai skenario, termasuk manajemen acara, pemantauan fasilitas publik, dan optimalisasi operasional berbasis data. Kata kunci— people counter, YOLOv8, visi komputer, deteksi orang, kepadatan ruangan.
Penerapan Algoritma Machine Learning YOLOv8 untuk Analisis Kepadatan dan Durasi Kehadiran Pengunjung dalam Ruangan Trisaputra , Andi Farhan; Tritoasmoro, Iwan Iwut; Saidah, Sofia
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

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

Abstract

Algoritma machine learning memiliki peran penting dalam mengembangkan sistem deteksi objek, termasuk pada aplikasi people counting di ruang publik. Penelitian ini menerapkan YOLOv8 sebagai model deteksi berbasis deep learning untuk mengidentifikasi dan menghitung jumlah orang, serta mengukur durasi kehadiran mereka secara real-time. Sistem memanfaatkan aliran video dari kamera RTSP yang diproses menggunakan Python dan GPU untuk mempercepat inferensi. Model YOLOv8 digunakan untuk mendeteksi objek “person” dengan akurasi tinggi, sementara modul object tracking mempertahankan ID unik setiap individu untuk mencegah perhitungan ganda dan memungkinkan pengukuran durasi yang presisi. Data hasil deteksi dan pelacakan disimpan pada basis data lokal, lalu divisualisasikan melalui dashboard interaktif yang menampilkan jumlah pengunjung, tingkat kepadatan, dan pola kunjungan. Pengujian menunjukkan akurasi deteksi rata-rata 87,5% dengan kecepatan pemrosesan ≥15 FPS, serta toleransi kesalahan durasi ±2 detik. Implementasi ini membuktikan bahwa integrasi YOLOv8 dengan object tracking mampu menghasilkan sistem analitik berbasis data yang efektif untuk manajemen kapasitas dan perencanaan operasional. Penelitian ini juga membuka peluang pengembangan sistem people counting berbasis multi-kamera dan analisis prediktif menggunakan model machine learning yang lebih spesifik terhadap lingkungan target. Kata kunci— machine learning, YOLOv8, deteksi objek, pelacakan, analisis kepadatan.
Co-Authors A F Akbar Abdillah, Obey Muhammad Abel Bima Wiratama Aditya S.B, I Dewa Agung Aditya, Hendra Akbar Trisnamulya Putra Al Brando Ardes Harjoko Aliefiya Rachman Alif Fajri Ryamizard Alrizqi, Naufal Dwi Andre Megantoro, Andre Megantoro Angga Prihantoro Arfat, Ikrar Khaera ARIS HARTAMAN Azzahra, Fatima Bainuri, Aulia Novria Bambang Hidayat Bambang Hidayat Bambang Hidayat Bongso, Dery Febryanto Darwindra Darwindra, Darwindra Dea Sifana Ramadhina Denny Darlis Desi Dwi Prihatin Dyah Ajeng Pramudhita Effendi , Doni Oktavian Ibnu Efri Suhartono Enrico Wiratama Purwanto Fadia Qothrunnada Fardiyanti, Defitriana Fathurrahman, Muhammad Hanif Fatima Azzahra Fellia Rizki Kusumowardani Fiera Meiristika Utami Firdaus, Muhammad Ilham Zuhruf Fitria, Ismaulida Nur Gaol, Satya Wira Fernanda Lumban Gelar Budiman Givalle , Zerricho Helsa Bagus Hidayat , Bambang Hilman Fauzi, Hilman Hurianti Vidya I Putu Yowan Nugraha Suparta Ibnu Da'wan Salim Ibnu Da’wan Salim Ubaidah Ibnu Da’wan Salim Ubaidah Ikhwanda, Alfan Ikrar Khaera Arfat Inung Wijayanto Iqbal Kurniawan Perdana Irwansyah Irwansyah Israndy Yainahu Iwan Iwut Tritoasmoro Jangkung Raharjo Kintan Veriana Koredianto Koredianto Koredianto Usman Mas, Muhammad Sabri Masykur, Muhammad Fadhel Affandi Muhamad Rokhmat Isnaini Muhammad Bayu Adinegara Muhammad Ilham Muhammad Ilham Muhammad, Zalfa Alif Nabila Herman Nidaan Khofiya Nimra , Fadhil Julian Nor Kumalasari Caecar Nor Kumalasari Caecar Pratiwi Nur Alyyu Nur Ibrahim Perdana, Iqbal Kurniawan Pramudhita, Dyah Ajeng Pratama, Irsyad Fadil Augusta PRATIWI, NOR KUMALASARI CAESAR Prayudi, Yoshi Prihantoro, Angga Putra, Akbar Trisnamulya Putri , Yusnita Putri, Tasya Busrizal Putri, Yusnita Qothrunnada, Fadia R. Yunendah Nur Fu’adah Rachmat Hidayat Ashary Raditiana Patmasari Ratna Sari Ratri Dwi Atmaja Reza Ahmad Nurfauzan Richard Bina Jadi Simanjuntak Rita Magdalena Rita Magladena Rita Purnamasari Robinzon Pakpahan Salsabil Farah Aqilah Wijaya Salsabila, Afap Sangkala, Muh Aslam Mahdi Sevierda Raniprima Subiakto, Septiaini Dela Susilo, Mochammad Hilmi Suwandhi, Adhisty Putrina Syamsul Rizal Syamsul Rizal Tahta Restu Adiguna Tasya Busrizal Putri Tita Haryanti Trisaputra , Andi Farhan Tsabita Al Asshifa Hadi Kusuma Vidya, Hurianti Wahid, Gloria Shekinah Florensia Wahyu, I Komang Trisna Wibisono Sabdo Utomo WIDIANTO, MOCHAMMAD HALDI Widya Alisya Kusuma Ningrum Yunendah Fu’adah Zakiah Zakiah