Garuda - Garba Rujukan Digital

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

Author-ID : 1183444

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

Articles

3 4 5 6 7

Detection and counting of wheat ear using YOLOv8 Mas, Muhammad Sabri; Saidah, Sofia; Ibrahim, Nur
International Journal of Electrical and Computer Engineering (IJECE) Vol 14, No 5: October 2024
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijece.v14i5.pp5813-5823

Detection and calculation of wheat ears are critical for land management, yield estimation, and crop phenotype analysis. Most methods are based on superficial and color features extracted using machine learning. However, these methods cannot fulfill wheat ear detection and counting in the field due to the limitations of the generated features and their lack of robustness. Various detectors have been created to deal with this problem, but their accuracy and calculation precision still need to be improved. This research proposes a deep learning method using you only look once (YOLO), especially the YOLOv8 model with depth and channel width configuration, stochastic gradient descent (SGD) optimizer, structure modification, and convolution module along with hyperparameter tuning by transfer learning method. The results show that the model achieves a mean average precision (mAP) of 95.80%, precision of 99.90%, recall of 99.50%, and frame per second (FPS) of 22.08. The calculation performance of the wheat ear object achieved accurate performance with a coefficient of determination (R^2) value of 0.977, root mean square error (RMSE) of 2.765, and bias of 1.75.

Prediksi Kanker Paru menggunakan Grid search untuk Optimasi Hyperparameter pada Algoritma MLP dan Logistic Regression PRATIWI, NOR KUMALASARI CAECAR; IBRAHIM, NUR; SAIDAH, SOFIA
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 12, No 3: Published July 2024
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v12i3.556

ABSTRAKKanker paru merupakan penyebab utama kematian akibat kanker di seluruh dunia. Prediksi dini kanker paru-paru telah banyak dilakukan, baik berbasis citra maupun data mentah. Prediksi kanker paru berbasis citra memberikan dampak positif dalam diagnosis dini, namun pendekatan berbasis data mentah juga penting dalam memahami faktor risiko dan kondisi yang dapat mempengaruhi perkembangan kanker. Penelitian ini mengusulkan sistem prediksi dini kanker paru dengan basis data klinis dan demografi, menggunakan Multi-Layer Perceptron (MLP) dan logistic regression dengan pemanfaatan grid search optimizer. Kedua model mencapai tingkat akurasi, presisi, recall, dan f1-score sebesar 1, optimal dalam melakukan prediksi data. Pada logistic regression, solver liblinear, penalty L1, dan nilai C yang lebih tinggi berkontribusi pada peningkatan akurasi. Sedangkan pada MLP, konfigurasi aktivasi tanh dan solver adam menghasilkan akurasi yang lebih baik. Hasil ini memberikan keyakinan implementasi MLP dan logistic regression, memiliki potensi dalam mendukung prediksi kanker paru-paru.Kata kunci: kanker paru, multi-layer perceptron, logistic regression, grid search ABSTRACTLung cancer is a leading cause of cancer-related deaths worldwide. Early prediction of lung cancer has been widely conducted, both based on images and raw data. Image-based lung cancer prediction has a positive impact on early diagnosis, but a raw data-driven approach is also crucial for understanding risk factors and conditions that can influence cancer development. This research proposes an early lung cancer prediction system using clinical and demographic data, employing Multi-Layer Perceptron (MLP) and logistic regression with the utilization of grid search. Both models achieved an accuracy, precision, recall, and f1-score of 1, optimal in classifying data. In logistic regression, the liblinear solver, L1 penalty, and higher C values contributed to increased accuracy. Meanwhile, in MLP, the configuration of tanh activation and adam solver yielded better accuracy. Theseresults instill confidence that the implementation of MLP and logistic regression has significant potential in supporting lung cancer prediction.Keywords: lung cancer, multi-layer perceptron, logistic regression, grid search

Pengamanan Pesan pada Steganografi Citra dengan Teknik Penyisipan Spread Spectrum SAIDAH, SOFIA; IBRAHIM, NUR; WIDIANTO, MOCHAMMAD HALDI
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 7, No 3: Published September 2019
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v7i3.544

ABSTRAKPada studi ini, dilakukan penggabungan metode - metode untuk memperkuat dan meningkatkan sisi keamanan proses pertukaran informasi atau pesan digital. Metode yang digunakan diantaranya adalah metode kriptografi dan metode steganografi. Implementasi pada sistem yang dibangun dilakukan dengan menyandikan pesan pada penerapan metode steganografi citra dalam menyembunyikan pesan tersandi yang dihasilkan ke dalam sebuah citra warna (RGB) dalam domain Discrete Cosine Transform dengan teknik penyisipan Spread Spectrum. Hasil penelitian menunjukan bahwa kualitas dari stego image sangat mirip dengan cover citra yang digunakan, berdasarkan perolehan nilai performansi objektif PSNR diatas 30 db dan subjektif MOS di atas nilai 4.Kata kunci: Steganografi, Discrete Cosine Transform, Spread Spectrum, PSNR, SNRÂ ABSTRACTIn this study, a combination of methods was used to strengthen and enhance the security side of the process of exchanging information or digital messages. The methods used include cryptographic methods and steganography methods. The implementation of the system built is done by encoding the message on the application of the image steganography method in hiding the encrypted message generated into a color image (RGB) in the Discrete Cosine Transform domain with the Spread Spectrum insertion technique. The results of the study show that the quality of the stego image is very similar to the cover image used, based on the acquisition of an objective performance value of PSNR above 30 db and subjective MOS above a value of 4.Keywords: Steganografi, Discrete Cosine Transform, Spread Spectrum, PSNR, SNR

Deep Learning untuk Klasifikasi Diabetic Retinopathy menggunakan Model EfficientNet RIZAL, SYAMSUL; IBRAHIM, NUR; PRATIWI, NOR KUMALASARI CAESAR; SAIDAH, SOFIA; FUâ€™ADAH, RADEN YUNENDAH NUR
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 8, No 3: Published September 2020
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v8i3.693

ABSTRAKDiabetic Retinopathy merupakan penyakit yang dapat mengakibatkan kebutaanÂ mata yang disebabkan oleh adanya komplikasi penyakit diabetes melitus. OlehÂ karena itu mendeteksi secara dini sangat diperlukan untuk mencegah bertambahÂ parahnya penyakit tersebut. Penelitian ini merancang sebuah sistem yang dapatÂ mendeteksi Diabetic Retinopathy berbasis Deep Learning dengan menggunakanÂ Convolutional Neural Network (CNN). EfficientNet model digunakan untuk melatihÂ dataset yang telah di pre-prosesing sebelumnya. Hasil dari penelitian tersebutÂ didapatkan akurasi sebesar 79.8% yang dapat mengklasifikasi 5 level penyakitÂ Diabetic Retinopathy.Kata kunci: Diabetic Retinopathy, Deep Learning, CNN, EfficientNet, DiabeticÂ ClassificationÂ ABSTRACTDiabetic Retinopathy is a diseases which can cause blindness in the eyes becauseÂ of the complications of diabetes mellitus. Therefore, an early detection for thisÂ diseases is very important to prevent the diseases become severe. This researchÂ builds the system which can detect the Diabetic Retinopathy based on DeepÂ Learning by using Convolutional Neural Network (CNN). EfficientNet model is usedÂ to trained the dataset which have been pre-prossed. The result shows that theÂ system can clasiffy the 5 level of Diabetic Retinopathy with accuracy 79.8%.Â Keywords: Diabetic Retinopathy, Deep Learning, CNN, EfficientNet, DiabeticÂ Classification

SISTEM DETEKSI DAN PEMANTAUAN PENCEMARAN UDARA BERBASIS IOT: SISTEM DETEKSI DAN PEMANTAUAN PENCEMARAN UDARA BERBASIS IOT Andre Megantoro, Andre Megantoro; Saidah, Sofia; Sevierda, Raniprima
Journal of Informatics and Communication Technology (JICT) Vol. 6 No. 2 (2024)
Publisher : PPM Telkom University

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

Berdasarkan Kementerian Lingkungan Hidup dan Kehutanan (2021), emisi kendaraan bermotor berkontribusi 70% terhadap polusi Nitrogen Oksida (NOx), Karbon Monoksida (CO), Sulfur Dioksida (SO2) dan Particulate Matter (PM) di daerah perkotaan. Penelitian ini bertujuan untuk mengukur kualitas udara dan pemantauan karbon monoksida dan gas amonia berupa alat deteksi dan pemantauan polusi udara berbasis IoT. Penelitian ini menggunakan metode penelitian System Engineering yaitu studi pustaka, analisis kebutuhan, desain sistem, pengembangan perangkat keras, pengembangan perangkat lunak, integrasi komponen, uji coba dan evaluasi, analisis data dan kesimpulan. Perangkat ini terdiri dari serangkaian sensor yaitu MQ-135, sensor MQ-7, Arduino Uno, ESP8266 sebagai alat yang terhubung ke internet dan perangkat lunak telegram. Data yang diperoleh dari sensor ditransmisikan ke Arduino Uno, kemudian ke ESP8266 secara nirkabel. Data pengukuran ditampilkan di kolom bot obrolan perangkat lunak telegram. Hasil penelitian menunjukkan bahwa sistem deteksi dan pemantauan udara berbasis iot menghasilkan deteksi beberapa parameter kadar gas CO dan NH3 pada beberapa objek, yaitu asap kendaraan, asap rokok elektrik, asap tembakau, dan parfum. Data kualitas udara yang diperoleh dari sensor dapat ditampilkan secara real-time melalui telegram dan disimpan dalam database. Sistem akan menampilkan peringatan "Tolong Gunakan Masker" yang muncul di aplikasi bot telegram ketika gas yang terindentifikasi melebihi ambang batas. Keywords: Gas, Kualitas udara, Sensor MQ-135, Sensor MQ-7.

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

Klasifikasi Penyakit Daun Pada Tanaman Kopi Menggunakan Convolutional Neural Network Dengan Arsitektur Mobilenet Ikhwanda, Alfan; Magdalena, Rita; Saidah, Sofia
eProceedings of Engineering Vol. 12 No. 3 (2025): Juni 2025
Publisher : eProceedings of Engineering

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

Tanaman kopi merupakan salah satukomoditas unggulan di Indonesia yang berkontribusibesar terhadap perekonomian nasional, baik melaluiekspor maupun konsumsi domestik. Namun,produktivitas kopi sering terancam oleh penyakit daun,seperti karat daun (Hemileia vastatrix), bercak daun(Phoma Costaricensis), dan penggerek daun (LeucopteraCoffeella), yang dapat menyebabkan penurunan kualitasdan hasil panen secara signifikan. Identifikasi penyakitdaun secara manual oleh petani atau ahli pertanianseringkali memerlukan waktu dan keahlian yang khusus,sehingga rentan terhadap kesalahan. Penelitian inibertujuan untuk mengembangkan sistem klasifikasiotomatis penyakit daun pada tanaman kopimenggunakan Convolutional Neural Network (CNN)dengan arsitektur MobileNet. Arsitektur MobileNetdipilih karena efisiensinya dalam menangani data dengansumber daya komputasi terbatas, seperti perangkatseluler. Proses klasifikasi dimulai dengan pengumpulandata dari dataset Kaggle, yang mencakup gambar daunsehat dan yang terinfeksi penyakit. Data ini melalui tahappreprocessing, meliputi penyesuaian ukuran citramenjadi 224x224 piksel. Model dilatih menggunakanparameter utama seperti optimizer, learning rate, batchsize, dan epoch, untuk menghasilkan klasifikasi yangoptimal. Penelitian dilakukan dengan menggunakan 1664dataset, dengan pembagian 400 data daun sehat, 460 datakarat daun, 484 data bercak daun dan 320 datapenggerek daun. Dataset yang digunakan untukpengujian yaitu sebesar 333 data. Melalui serangkaianpengujian dengan empat skenario yang berbeda,diperoleh konfigurasi optimal model dengan hasil terbaikyaitu Akurasi 99.549%, Loss 0.058, Presisi 95%, Recall95%, F1-score 95%. Dengan parameter terbaik adalahoptimizer RMSprop, learning rate 0.0001, epoch 125 danbatch size 16.Kata kunci: Daun Kopi, Convolutional Neural Network(CNN), MobileNet, Penyakit Daun, Citra Daun Tanaman Kopi.

Klasifikasi Sinyal Elektrokardiogram Untuk Irama Jantung Normal dan Aritmia Menggunakan Convolutional Neural Network (CNN) Gaol, Satya Wira Fernanda Lumban; Purnamasari, Rita; Saidah, Sofia
eProceedings of Engineering Vol. 12 No. 3 (2025): Juni 2025
Publisher : eProceedings of Engineering

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

Jantung merupakan organ tubuh manusia yang berfungsi untuk memompa darah ke seluruh tubuh.Dalam proses mendiagnosis kelainan jantung dapat denganElektrokardiogram (EKG). Elektrokardiogram (EKG) adalahsalah satu tes untuk mengetahui detak jantung menggunakanmesin pendeteksi impuls listrik atau disebut denganelektrokardiograf.. EKG dilakukan jika kamu mengalamigangguan irama jantung (aritmia), dimana kecepatan detakjantung penderitanya berdetak tidak normal sepertidetakannya cepat, detakan lambat, atau tidak beraturan.Dalam pengklasifikasian sinyal EKG pada jantung diperlukandeep learning karena dapat menganalisis data dalam skalabesar, diagnosa lebih cepat dan efisien, dan akurasi lebih tinggidibanding metode tradisional. Pada penelitian ini penulismelakukan pengklasifikasian menggunakan Deep Learning,dengan mengklasifikasikan sinyal EKG yang dipecah menjadi 2kelas, yaitu Normal Sinus Rhythm (NSR) dan Arrhythmia. Padatugas akhir ini merancang system deteksi Aritmia denganmetode Convolutional Neural Network (CNN) 1 Dimensi.Skenario uji dilakukan dengan membandingkan jenis optimizer,nilai learning rate, dan batch size agar memperoleh hasilterbaik. Pada tugas akhir ini membentuk sistem untuk deteksiAritmia dengan metode Convolutional Neural Network (CNN)1- Dimensi. Skenario uji membandingkan nilai learning rate,mencari optimizer terbaik, dan mencari batch size yang tepatuntuk mendapatkan akurasi terbaik. Hasil Uji terbaikdidapatkan dengan memakai optimizer RMSProp, learningrate 0.01, dan batch size 8. Didapatkan hasil hampir sempurnayaitu akurasi 99% , recall 99%, presisi 99%, dan f-1 score 99%.Kata Kunci : Convolutional Neural Network (CNN), PenyakitJantung, PhysioNet

Handwritten Digits Detection Using Convolutional Neural Network Effendi , Doni Oktavian Ibnu; Saidah, Sofia; Putri , Yusnita
Jurnal Ilmiah Teknik Elektro Komputer dan Informatika Vol. 11 No. 2 (2025): June
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/jiteki.v11i2.30238

Numbers are a collection of many lines and curves and play a vital role in everyday life. Each person has unique characteristics in handwriting, making handwritten digit detection a challenging task. This paper presents an approach for detecting handwritten digits using deep learning algorithms, particularly the Convolutional Neural Network (CNN)-based YOLOv8 family models. The main objective is to compare various YOLOv8 variants (YOLOv8n, YOLOv8s, YOLOv8m, YOLOv8l, and YOLOv8x) and determine the most optimal one in detecting handwritten digits. Experimental results show that the YOLOv8x variant achieves the highest performance, with a mean Average Precision (mAP) of 96.9%, a recall of 100%, a precision of 99.8%, and an F1-score of 99.9%. The research contributions are achieving high accuracy in handwritten digit detection using the YOLOv8x model and utilizing a custom primary dataset of 3,000 handwritten digits for training and evaluation, which adds novelty and real-world relevance to the study.

Implementasi Sensor Matrix Force Sensing Resistor (FSR) untuk Mendeteksi Kelainan Telapak Kaki Subiakto, Septiaini Dela; Wijayanto, Inung; Saidah, Sofia
eProceedings of Engineering Vol. 11 No. 4 (2024): Agustus 2024
Publisher : eProceedings of Engineering

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

Lengkungan pada telapak kaki yang berupa celah antara bagian dalam dari kaki dan permukaan disebut arkus. Terdapat tiga jenis arkus yaitu normal, tinggi, dan datar. Dari ketiga jenis arkus tersebut, dua diantaranya merupakan kelainan pada telapak kaki (tinggi dan datar). Kelainan ini berpengaruh pada calon anggota Kepolisian Republik Indonesia (POLRI) da- lam proses pemeriksaan fisik. Saat ini, pemeriksaan fisik tersebut masih menggunakan cara konvensional dengan menggunakan penggaris untuk mengukur panjang dan lebar telapak kaki. Untuk mengatasi masalah tersebut, penelitian ini merancang sebuah hardware, yaitu sistem pendeteksi telapak kaki bernama <Flatyfoot=. Sistem ini menggunakan komponen sensor matrix FSR, shift register dan analog, mikrokontroler ESP32, dan baja ringan. Kata Kunci-Arkus, Hardware, Mikrokontroler ESP32, PO- LRI, Sensor Matrix FSR

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 Daâ€™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 Fuâ€™adah Zakiah Zakiah

Title

Found 67 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 67 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 67 Documents
Search