Article Per Year (5 Year)
p-Index From 2021 - 2026
6.241
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 : 67 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 67 Documents
Search

 2   3   4   5   6 
Analisis Sinyal Radar Cuaca Menggunakan Discrete Wavelet Transform Aliefiya Rachman; Rita Purnamasari; Sofia Saidah
eProceedings of Engineering Vol 6, No 1 (2019): April 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak IDRA (IRCTR Drizzle Radar) adalah radar resolusi tinggi yang dibangun oleh IRCTR (International Research Centre for Telecommunications-Transmission and Radar) di Belanda. IDRA ditujukan untuk pengamatan terperinci distribusi spasial dan temporal dari hujan atau gerimis. Pada penelitian ini, pengolahan sinyal pada radar IDRA ditambahkan metode DWT (Discrete Wavelet Transform) dan IDWT (Invers Discrete Wavelet Transform) sebagai fungsi kompresi dan dekompresi. Metode wavelet dapat digunakan untuk menunjukkan kelakukan sementara (temporal), untuk meningkatkan kualitas data, dapat juga digunakan untuk mendeteksi kejadian-kejadian tertentu.  Tujuan akhir dari penelitian ini adalah untuk mencari performansi dari refklektifitas radar setelah ditambahkan metode wavelet pada pengolahan sinyalnya. Performansi dari reflektifitas radar didapat dari nilai MSE, PSNR, dan SNR yang dilakukan pada proses pengujian .  Kata kunci: IDRA, DWT (Discrete Wavelet Transform), 4TU.Center for Reasearch Data Abstract IDRA (IRCTR Drizzle Radar) is a high resolution radar built by IRCTR (International Research Center for Telecommunications-Transmission and Radar) in the Netherlands. IDRA is intended for detailed observation of the spatial and temporal distribution of rain or drizzle.  The Research of signal processing on IDRA radar is added by DWT (Discrete Wavelet Transform) and IDWT (Inverse Discrete Wavelet Transform) methods as a compression function. The research is validated with actual data that already exists on the web (4TU.Center for Research Data). From the web, several data samples have been taken, processed by adding DWT and IDWT methods to the data. After processing, the performance value between sample data and decompression data is calculated. Keywords: IDRA, DWT (Discrete Wavelet Transform), 4TU.Center for Reasearch Data
Klasifikasi Jenis Kulit Wajah Menggunakan Metode Convolutional Neural Network Zakiah Zakiah; Raditiana Patmasari; Sofia Saidah
eProceedings of Engineering Vol 8, No 6 (2021): Desember 2021
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Kulit merupakan salah satu bagian terpenting pada tubuh manusia, selain berfungsi untuk melindungi organ yang ada di dalam tubuh kulit juga merupakan yang paling penting karena mencerminkan penampilan manusia terutama bagian kulit wajah. Setiap individu tentu ingin menjaga dan merawat kulit mereka, namun karena kulit manusia berbeda-beda maka cara merawatnya akan berbeda. Pada tugas akhir ini dilakukan penelitian klasifikasi kulit manusia menggunakan Convolutional Neural Network dengan arsitektur GoogLeNet. klasifikasi akan dilakukan dalam empat kelas yaitu normal, kering berminyak dan kombinasi. klasifikasi akan dilakukan dalam beberapa langkah, yang pertama yaitu dilakukan proses training model terlebih dahulu. Pengujian yang dilakukan melalui beberapa tahap berikut, yaitu penentuan dataset yang dipakai, proses training model, proses testing, dan pengujian performansi. Tujuan dari penelitian ini adalah melakukan analisis kinerja sistem dalam mengidentifikasi jenis kulit metode Convolusi Neural Network (CNN) dengan arsitektur GoogLeNet. Pengujian terbaik dari penelitian ini didapatkan dengan menggunakan nilai test size sebesar 0,2, ukuran citra 64x64, optimizer yang digunakan SGD dan nilai epoch 125. Hasil dari pengujian tersebut dapat mengklasifikasi kulit wajah dengan tingkat akurasi yang didapat sebesar 99,69 %, loss, 1,6496 %, presisi 100 %, recall 100 % dan F-1 Score 100% Kata kunci : Kulit, Convolutional Neural Network, GoogLeNet Abstract Skin is one of the most important parts of the human body, besides it serves to protect the organs in the body, the skin is also the most important because it reflects the human appearance, especially the facial skin. Every individual certainly wants to maintain and care for their skin, but because human skin is different, the way to care for it will be different. In this thesisproject, skin classification was conducted using Convolutional Neural Network with GoogLeNet architecture. Classification will be carried out in four classes, namely normal, dry, oily and combination. Classification will be carried out in several steps, the first is the model training process. The testing is carried out through the following stages, namely determining the dataset used, model training process, testing process, and performance testing. The purpose of this study is to analyze the performance of the system in identifying skin types using the Convolution Neural Network (CNN) method with GoogLeNet architecture. The best case scenario from this study was obtained using a test size value of 0.2, with image resolution of 64x64, using SGD as an optimizer and an epoch value of 125. Using those number and the chosen optimizer the result of this test can classify facial skin with an accuracy rate of 99.69%, 1.6496% loss, 100% precision, 100% recall and 100% F-1 Score. Keywords: Skin, Convolutional Neural Network, GoogLeNet
Deteksi Jenis Kulit Wajah Menggunakan Convolutional Neural Network Arsitektur Mobilenet Fiera Meiristika Utami; Rita Magladena; Sofia Saidah
eProceedings of Engineering Vol 9, No 6 (2022): Desember 2022
Publisher : eProceedings of Engineering

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

Abstract

Abstrak —Kulit wajah merupakan bagian tubuh yang sering mendapat perhatian ekstra karena mempengaruhi penampilan seseorang. Deteksi jenis kulit wajah sangat dibutuhkan untuk mengetahui jenis perawatan wajah yang harus dilekukan. Perawatan kulit pada wajah yang sesuai dengan jenis kulit yang dimiliki seseorang juga sangat penting agar kulit wajah tetap sehat. Dalam Tugas Akhir ini akan dibahas tentang bagaimana cara mendeteksi jenis kulit wajah pada manusia dengan metode Convolutional Neural Network arsitektur MobileNet. Pada metode ini, pengujian data akan dilakukan setelah melalui proses training. Setelah dilakukan ekstraksi fitur, jenis kulit akan diklasifikasikan berdasarkan jenis kulit wajah tipe normal, kering, berminyak, dan kombinasi. Penelitian deteksi jenis kulit wajah ini diuji oleh enam parameter sebagai tolak ukur hasil dari keempat tipe jenis kulit, yaitu normal, berminyak, kering, dan kombinasi. Hasil pengujian terbaik didapatkan saat ukuran citra 224x224, optimizer Adamax, learning rate 0,0001; epoch 100, batch size 16, dan n-fold 3 menghasilkan akurasi 93,14%; loss 0,2565; precision 93,25%; recall 93,25%; dan F1-Score 93%. Kata kunci—CNN, Convolutional Neural Network, MobileNet, Deteksi Kulit Wajah, Jenis Kulit Wajah
Skin Cancer Classification Malignant and Benign Using Convolutional Neural Network Nur Alyyu; Ratna Sari; R.Yunendah Nur Fuadah; Nor Kumalasari Caecar Pratiwi; Sofia Saidah
JMECS (Journal of Measurements, Electronics, Communications, and Systems) Vol 9 No 2 (2022): JMECS
Publisher : Universitas Telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/jmecs.v9i2.5724

Abstract

Skin cancer is one of the most deadly cancers. This cancer ranks third after cervical cancer and breast cancer in Indonesia. In detecting skin cancer, a dermatologist can carry out a biopsy. However, carrying out a biopsy requires a long time and preparation. Innovations to classify and detect skin cancer using artificial neural networks are overgrowing in helping doctors so that prompt and appropriate treatment can be carried out. The purpose of this project was to develop a system to classifying skin cancer using Convolutional Neural Networks (CNNs) and the ResNet50 architecture. This research examined the extent of system performance results using accuracy, recall, precision, and f1-score by doing several trials by changing the hyperparameters. The dataset used in this study was obtained online through Kaggle, with two classes, malignant and benign, divided into 80% training data and 20% test data. Based on the testing result, the best hyperparameter system was obtained using AdaMax optimizer, the learning rate was 0.0001, the batch size was 64, and the epoch was 50. In this research, The performance results values were 99% for precission, recall and f1-score. Simulation results show that this method with highly optimized hyperparameters can accurately classify malignant and benign skin cancer.
Strawberry Plant Diseases Classification Using CNN Based on MobileNetV3-Large and EfficientNet-B0 Architecture Dyah Ajeng Pramudhita; Fatima Azzahra; Ikrar Khaera Arfat; Rita Magdalena; Sofia Saidah
Jurnal Ilmiah Teknik Elektro Komputer dan Informatika Vol 9, No 3 (2023): September
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/jiteki.v9i3.26341

Abstract

Strawberry is a plant that has many benefits and a high risk of being attacked by pests and diseases. Diseases in strawberry plants can cause a decrease in the quality of fruit production and can even cause crop failure. Therefore, a method is needed to assist farmers in identifying the types of diseases in strawberry plants. Currently, there are many methods to assist farmers in identifying types of disease in plants, including strawberry plants. In this study, a system is proposed to be able to detect strawberry plant diseases by classifying the disease based on healthy and diseased strawberry leaf images. The proposed system is the Convolutional Neural Network (CNN) algorithm using MobileNetV3-Large and EfficientNet-B0 models to train pre-processed datasets. The results of this study obtained the best accuracy reaching 92.14% using the MobileNetV3-Large architecture with the hyperparameter optimizer RMSProp, epochs 70, and learning rate 0.0001. The percentage of the evaluation model using MobileNetV3-Large for precision, recall, and F1-Score achieved 92.81%, 92.14%, and 92.25%.  Whereas in the EfficientNet-B0 architecture, the best accuracy results only reach 90.71% with the hyperparameter optimizer Adam, 70 epochs, and a learning rate of 0.003. Then, the precision, recall, and F1-scores for EfficientNet-B0 reached 92.65%, 90.00%, and 90.37%. Overall, it presents fairly good results in classifying strawberry leaf plant disease. Furthermore, in future work, it needs to obtain higher accuracy by generating more datasets, trying other augmentation techniques, and proposing a better model.
Experimenting with the Hyperparameter of Six Models for Glaucoma Classification Muhammad Ilham; Angga Prihantoro; Iqbal Kurniawan Perdana; Rita Magdalena; Sofia Saidah
Jurnal Ilmiah Teknik Elektro Komputer dan Informatika Vol 9, No 3 (2023): September
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/jiteki.v9i3.26331

Abstract

Glaucoma, being one of the leading causes of blindness worldwide, often presents without noticeable symptoms, making early detection crucial for effective treatment. Numerous studies have been conducted to develop glaucoma detection systems. In this particular study, a glaucoma detection system using the CNN method was developed. The models employed in this study include AlexNet, Custom Layer, MobileNetV2, EfficientNetV1, InceptionV3, and VGG19. For training, an augmented RIM-ONE DL dataset was utilized. Hyperparameter experiments were conducted to determine the most optimal parameters for each model, specifically testing batch size, learning rate, and optimizer. The hyperparameter optimization process yielded the optimal parameters for each model. However, it is important to note that the MobileNetV2, InceptionV1, and VGG19 models exhibited signs of overfitting in the training graph results. Among the models, the custom layer model achieved the highest accuracy of 93%, while InceptionV3 attained the lowest accuracy at 83.5%. Testing of the models was performed using data from Cicendo Eye Hospital and the RIM-ONE DL testing dataset. Based on the testing results, it was found that InceptionV3 outperformed the other models in predicting images accurately. Therefore, the study concluded that high accuracy in training does not necessarily indicate superior performance in testing, particularly when limited variation exists in the training dataset.
Pelatihan Pembuatan Website sebagai Sarana Penyebaran Informasi UPT BPP Selaawi kabupaten Garut Sofia Saidah; Inung Wijayanto; Rita Magdalena
Jurnal Abdimasa Pengabdian Masyarakat Vol 6 No 2 (2023): Jurnal ABDIMASA Pengabdian Masyarakat
Publisher : Universitas Pendidikan Muhammadiyah Sorong

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36232/jurnalabdimasa.v6i2.3646

Abstract

Website merupakan salah satu sarana penyebaran informasi yang bersifat dinamis. Pada instansi pemerintah, website termasuk ke dalam salah satu hal penting yang perlu dimiliki mengingat pentingnya informasi yang perlu diketahui oleh masyarakat. UPT BPP Selaawi sebagai Instansi Penyuluh memiliki peran penting dalam pengembangan ilmu pertanian. Selain sebagai media informasi dan edukasi, website juga dapat digunakan sebagai sarana promosi komoditas hasil pertanian yang dimiliki oleh UPT BPP Selaawi. Oleh karena itu, melalui kegiatan Pengabdian kepada Masyarakat ini tim membantu untuk memberikan pelatihan pembuatan website sebagai sarana penyebaran informasi di UPT BPP Selaawi kabupaten Garut.
Pendampingan Pelatihan Perencanaan, Pengoperasiaan dan Pengolaan PLT Mikrohidro Dalam Mendukung Program Pemerintah Meningkatkan Kompetensi SDM di Bidang Bauran Energi Terbarukan Sofia Saidah; Jangkung Raharjo; Koredianto Usman; Denny Darlis; Aris Hartaman; Tita Haryanti
Jurnal Abdimasa Pengabdian Masyarakat Vol 6 No 2 (2023): Jurnal ABDIMASA Pengabdian Masyarakat
Publisher : Universitas Pendidikan Muhammadiyah Sorong

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36232/jurnalabdimasa.v6i2.3739

Abstract

Pembangkit Listrik Tenaga Mikro Hidro (PLTMH) merupakan solusi alternatif yang penting dalam memenuhi kebutuhan energi listrik. PLTMH adalah pembangkit listrik skala kecil yang menggunakan tenaga air sebagai sumber energinya, seperti saluran irigasi, sungai, atau air terjun. Inovasi teknologi, seperti penerapan Internet of Things (IoT), mempermudah monitoring dan meningkatkan efisiensi dalam pengelolaan PLTMH. Pelatihan dan pengabdian kepada masyarakat juga penting untuk meningkatkan kompetensi SDM di bidang energi terbarukan. Implementasi PLTMH akan memberikan manfaat dalam memenuhi kebutuhan energi listrik secara lokal dan mengurangi ketergantungan pada sumber energi konvensional yang tidak ramah lingkungan. Dengan demikian, PLTMH merupakan solusi penting dalam membangun pembangunan berkelanjutan.
Ekstraksi Fitur Daun dengan Penerapan Metode Compressive Sensing Fellia Rizki Kusumowardani; Gelar Budiman; Sofia Saidah
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 2 (2022): Volume 8 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v8i2.49101

Abstract

Daun menjadi salah satu daya tarik manusia untuk melakukan kegiatan berkebun atau kegiatan lain seperti penjualan tanaman karena dari segi bentuk daun yang unik dan karakteristik yang bermacam-macam. Untuk mengetahui karakteristik pada jenis daun dilakukan proses ekstraksi fitur. Tujuan dari ekstraksi fitur ini untuk mengetahui bentuk, tekstur, warna,ukuran, dan nilai yang digunakan sebagai pembeda antara satu objek dengan objek lain. Pada penelitian ini menggunakan 32 citra daun. Metode yang digunakan pada penelitian ini yaitu Compressive Sensing (CS), Gray Level Co-Occurrence Matrix (GLCM), dan K-Nearest Neighbour (K-NN). Hasil yang diperoleh menunjukan kualitas dari kompresi ketika dilakukan pengujian dengan menggunakan rasio kompresi, MSE, PSNR, dan akurasi. Didapatkan hasil terbaik ketika menggunakan data latih bernilai 20, data uji bernilai 4, block bernilai 32, baris kompresi bernilai 32, dan resize berukuran 512  512 menghasilkan rasio kompresi bernilai 3,1%, PSNR bernilai 22,1 dB, dan akurasi bernilai 100%.
Deteksi Emosi Berdasarkan Sinyal Suara Manusia Menggunakan Discrete Wavelet Transform (DWT) Dengan Klasifikasi Support Vector Machine (SVM) Putri, Tasya Busrizal; Saidah, Sofia; Hidayat, Bambang; Qothrunnada, Fadia; Darwindra, Darwindra
Jurnal Ilmu Komputer dan Informatika Vol 3 No 1 (2023): JIKI - Juni 2023
Publisher : CV Firmos

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54082/jiki.45

Abstract

Manusia saling berkomunikasi melalui dialog. Suasana hati seseorang merupakan salah satu faktor yang dapat mempengaruhi kualitas komunikasi. Salah satu bentuk yang merepresentasikan suasana hati adalah emosi. Emosi adalah suatu kondisi yang mendorong seseorang untuk melakukan suatu tindakan akibat dari adanya rangsangan. Penelitian mengenai deteksi dan klasifikasi emosi berdasarkan sinyal wicara. Speech recognition merupakan bidang yang berpengaruh pada penelitian ini untuk mengukur tingkat emosi pada manusia. Penelitian ini merancang sistem yang dapat mendeteksi emosi seseorang berdasarkan ciri sinyal wicara. Pada penelitian ini menggunakan metode Discrete Wavelet Transform (DWT) untuk ekstraksi ciri. DWT adalah teknik analisa sinyal yang dikembangkan dari Short Time Fourier Transform (STFT) melalui domain waktu dan frekuensi yang didekomposisi kedalam komponen frekuensi rendah dan frekuensi tinggi. Untuk mendeteksi dan mengklasifikasi emosi berdasarkan suara manusia menggunakan Support Vector Machine (SVM). SVM adalah sistem machine learning yang menggunakan ruang hipotesis dan terdiri dari fungsi-fungsi linear yang dilatih dengan algoritma pembelajaran berdasarkan teori optimasi dengan dimensi tinggi Berdasarkan penelitian ini, didapatkan akurasi tertinggi sebesar 100% dengan parameter terbaiknya menggunakan level dekomposisi 4, jenis wavelet haar dan jenis kernel quadratic. Jenis kernel quadratic memiliki delay consequences yang lebih baik daripada jenis kernel SVM yang lain dan hasil klasifikasinya dapat diverifikasi menggunakan kurva ROC.
Co-Authors A F Akbar Abel Bima Wiratama Aditya S.B, I Dewa Agung 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 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 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 Nor Kumalasari Caecar Nor Kumalasari Caecar Pratiwi Nur Alyyu Nur Ibrahim Perdana, Iqbal Kurniawan Pramudhita, Dyah Ajeng 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 Tsabita Al Asshifa Hadi Kusuma Vidya, Hurianti Wahid, Gloria Shekinah Florensia Wibisono Sabdo Utomo WIDIANTO, MOCHAMMAD HALDI Widya Alisya Kusuma Ningrum Yunendah Fu’adah Zakiah Zakiah