Article Per Year (5 Year)
p-Index From 2021 - 2026
2.724
P-Index
This Author published in this journals
All Journal ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING Jurnal Ilmiah FIFO MIND (Multimedia Artificial Intelligent Networking Database) Journal TELKA - Telekomunikasi, Elektronika, Komputasi dan Kontrol TEKTRIKA - Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika JMECS (Journal of Measurements, Electronics, Communications, and Systems) Jurnal Teknik Informatika (JUTIF) Charity : Jurnal Pengabdian Masyarakat Prosiding SNAST Jurnal Abdi Masyarakat Indonesia eProceedings of Engineering Jurnal INFOTEL
R. Yunendah Nur Fu’adah
Telkom University
Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mechanical Engineering Public Health Social Sciences

Published : 59 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 34 Documents
Search
Journal : eProceedings of Engineering

 1   2   3   4 
Perancangan Dan Analisis Compressive Sampling Dan Sinkronisasi Pada Audio Watermarking Stereo Berbasis Discrete Wavelet Transform Adaptif Dengan Metode Complex Cepstrum Transform Allisha Septariani Ahmad; Gelar Budiman; R. Yunendah Nur Fu’adah
eProceedings of Engineering Vol 5, No 1 (2018): April 2018
Publisher : eProceedings of Engineering

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

Abstract

Watermarking adalah teknik penyisipan data rahasia (watermark) ke dalam suatu informasi digital (host). Watermark dapat berupa teks, citra, maupun audio. Pada penelitian ini dilakukan analisis dan perancangan sistem watermarking dengan penggabungan metode Discrete Wavelet Transform (DWT) dan Complex Cepstrum Transform (CCT). DWT digunakan untuk menentukan subband yang akan digunakan sedangkan CCT digunakan untuk memperoleh koefisien cepstrum. Compressive Sampling (CS) diterapkan pada watermark sebelum disisipkan pada audio. Metode penyisipan yang digunakan adalah Statistical Mean Manipulation (SMM). Pengujian dilakukan dengan parameter BER untuk watermark hasil ekstraksi dan ODG, SNR dan MOS untuk watermarked audio.
Analisis Perbandingan Performansi Denoising Sinyal Ekg Menggunakan Metode Discrete Wavelet Transform Dan Adaptive Filter Muhammad Akhyar Ghifari; Rita Magdalena; R Yunendah Nur Fu'adah
eProceedings of Engineering Vol 5, No 2 (2018): Agustus 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Denoising merupakan metode unuk menghilangkan noise pada sinyal EKG. Noise yang terdapat pada sinyal EKG tersebar pada rentang yang sama dengan frekuensi yang sama dengan sinyal EKG, sehingga metode filter biasa tidak mampu menghilangkan noise tersebut[2] . Dalam ujicoba denoising pada tugas akhir ini, penulis menggunakan perbandingan metode antara adaptive filter dan discrete wavelet transform (DWT). Dimana metode DWT melakukan denoising sinyal dengan menggunakan beberapa metode basis wavelet seperti Haar, Debuchies, Symlet dan Bior dan thresholding dengan metode soft atau hard thresholding. Sedangkan untuk adaptive filter sendiri dengan menggunakan metode KALMAN, Least Mean Square (LMS), dan Recursive Least Square (RLS). Ujicoba dilakukan dengan memberikan 4 noise yang berbeda yaitu Additive White Gaussian Noise (AWGN), MUSCLE ARTIFACT (MA), ELEKTRODE MOTION ( EMM ) dan BASELINE WANDER ( BW ) untuk masing masing metode DWT dan adaptive filter. Berdasarkan hasil pengujian, denoising terbaik yang dilakukan oleh metode Discrete Wavelet Transform untuk Additive White Gaussian Noise ( AWGN ) adalah dengan Basis Wavelet = DB 12 dengan Threshold Method = SURE dengan HARD THRESHOLD dan Level Dekomposisi = 2 dengan nilai MSE = 0.000498516 dan SNR = 28.12125292 dB. Sedangkan untuk denoising terbaik yang dilakukan oleh metode adaptive filter untuk Additive White Gaussian Noise ( AWGN ) adalah dengan metode LMS dengan nilai MSE = 0.000273995 dan SNR = 30.68395146 dB. Jika dibandingkan dari hasil diatas maka metode terbaik ditunjukkan oleh metode adaptive filter. Kata kunci: Elektrokardiogram (EKG), Denoising, Discrete wavelet Transform, Adaptive Filter. Abstract Denoising is a method to remove noise on ECG signals. The noise present in the ECG signal is spread over the same range with the same frequency as the ECG signal, so the usual filter method can not remove the noise. [2] In the denoising test in this final project, the writer uses a comparison method between adaptive filter and discrete wavelet transform (DWT). Where the DWT method of denoising the signal by using some wavelet base method such as Haar, Debuchies, Symlet and Bior and thresholding with soft or hard thresholding method. As for adaptive filter itself by using the method KALMAN, Least Mean Square (LMS), and Recursive Least Square (RLS). The experiments were conducted by giving 4 different noise like ADDITIVE WHITE GAUSSIAN NOISE (AWGN), MUSCLE ARTIFACT (MA), ELEKTRODE MOTION (EMM) and BASELINE WANDER (BW) for each DWT and adaptive filter method. Based on the test results, the best denoising performed by Discrete Wavelet Transform method for Additive White Gaussian Noise (AWGN) is with Wavelet = DB 12 with Threshold Method = SURE with HARD THRESHOLD and Decomposition Level = 2 with MSE value = 0.000498516 and SNR = 28.12125292 dB. While for best denoising done by adaptive filter method for Additive White Gaussian Noise (AWGN) is by LMS method with value of MSE = 0.000273995 and SNR = 30.68395146 dB. When compared from the above results then the best method is shown by adaptive filter method. Key words: Electrocardiogram (ECG), Denoising, Discrete wavelet Transform, Adaptive filters.
Analisis Performansi Video Encoder Dan Decoder (codec) High Efficiency Video Coding Dan Advanced Video Coding Pada Video Digital Firos Fathul Alam; Rita Purnamasari; R. Yunendah Nur Fuadah
eProceedings of Engineering Vol 5, No 1 (2018): April 2018
Publisher : eProceedings of Engineering

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

Abstract

Jumlah informasi dalam bentuk data yang dihasilkan semakin banyak setiap harinya, diiringi dengan terus meningkatnya kebutuhan akan kapasitas dan kecepatan pengiriman informasi yang semakin meningkat. Untuk mendukung efisiensi dalam pengiriman dan penyimpanan data video dapat dilakukan pendekatan berupa kompresi video. Kompresi pada video dilakukan dengan bantuan video codec. Video codec memiliki beragam standar, antara lain H.265/MPEG-H HEVC codec dan H.264/MPEG-4 AVC codec Analisis terhadap codec High Efficiency Video Coding dan Advanced Video Coding dilakukan dengan perhitungan terhadap parameter kualitas objektif menggunakan metode Full Reference. Parameter yang dianalisis meliputi kecepatan kompresi, nilai PSNR, MSE, dan rasio kompresi, dengan melakukan analisis komparasi secara objektif dari hasil kompresi menggunakan kedua video codec tersebut, akan dihasilkan informasi yang mampu menunjukkan codec manakah yang menghasilkan hasil kompresi yang lebih baik.
Klasifikasi Kanker Usus Besar Menggunakan Metode K-nearest Neighbor (k-nn) Ocky Tiaramukti; Ratri Dwi Atmaja; R Yunendah Nur Fuadah
eProceedings of Engineering Vol 5, No 1 (2018): April 2018
Publisher : eProceedings of Engineering

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

Abstract

Kanker usus besar atau kanker kolorektal adalah jenis kanker yang menyerang usus besar atau bagian terakhir pada sistem pencernaan manusia. Ada beberapa jenis kanker yang menyerang usus besar manusia yaitu Lymphoma, Sarcoma, dan Carcinoma. Tugas akhir ini bertujuan untuk menghasilkan suatu sistem yang dapat mendeteksi dan mengklasifikasi citra usus besar ke dalam tipe kanker Lymphoma, kanker Carcinoma, atau normal. Sistem yang dirancang pada tugas akhir ini menggunakan 198 data patologi jaringan kanker usus besar. Perancangan sistem ini mengklasifikasikan kanker usus besar mulai dari preprocessing, ekstraksi ciri dengan menggunakan Principal Analysis Component (PCA) dan melakukan klasifikasi menggunakan metode K-NN. Pengujian dilakukan dengan mencoba beberapa pengaturan parameter inputan K-NN. Hasil dari penelitian ini berupa sistem pengolahan citra yang mampu mendeteksi Penyakit kanker usus besar dan mengklasifikasikan jenisnya. Pada penelitian ini pencapaian akurasi tertingggi yang diperoleh menggunakan klasifikasi K-NN dengan K=1 dan jenis distance minkowski. Hasil yang diperoleh pada pengujian sistem deteksi kanker usus besar adalah 68.52%.
Analisis Kondisi Rileks Saat Mendengarkan Alquran Berdasarkan Sinyal Delta Theta Eeg Rizky Gilang Gumilar; Inung Wijayanto; R Yunendah Nur Fu'adah
eProceedings of Engineering Vol 5, No 2 (2018): Agustus 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Pada penelitian ini, penulis menganalisa aktifitas sinyal otak manusia dalam keadaan rileks pada saat mendengarkan ayat suci Alquran dengan menggunakan metode EEG. Sinyal otak dideteksi melalui alat elektroensepalogram yang bernama NeuroSky Mindwave dan Muse Headband, setelah dideteksi, sinyal yang didapatkan merupakan sinyal mentah yang memiliki noise tinggi, oleh karena itu sinyal tersebut diolah melalui metode preprosessing untuk menganalisis serta mengklasifikasi sinyal yang didapatkan. Dalam proses preprosessing, penulis menggunakan metode Discrete Wavelet Transform (DWT), Fast Fourier Transform (FFT), dan K-Nearest Neighbor (K-NN). Metode DWT dapat menganalisis numerik dan analisis fungsional sinyal, karena sinyal percobaan yang diambil secara diskrit, keuntungan utama adalah pada resolusi temporal, sehingga DWT dapat menangkap frekuensi informasi dan lokasi dengan baik untuk database serta datauji. Metode K-NN digunakan pada saat mengklasifikasikan datauji ke database untuk mendapatkan nilai yang dekat dengan database. Hasil yang diperoleh dari 40 data penelitian ini menunjukan perbedaan sinyal delta pada Neurosky dan Muse sangat sedikit, sinyal delta pada Neurosky sebanyak 35 data dalam kondisi rileks sedangkan pada Muse sebanyak 38 data dalam kondisi rileks. Jumlah data sinyal theta yang dinyatakan rileks pada Neurosky sebanyak 36 data, sedangkan pada Muse sebanyak 40 data. Kata kunci : Elektroensepalografi (EEG), Elektroensepalogram, Sinyal Otak, Alquran, DWT, FFT, KNN. Abstract In this research, the author will analyze human’s brain activity on relaxed condition while listening Holy Quran used EEG to participants. Brain signal detected by Electroenchepalogram device called NeuroSky Mindwave, the signal obtained is a raw signal has high noise, therefore the signal can processed through the processing method to analyze and classify the signal. In the preprocessing, the author uses the method of Discrete Wavelet Transform (DWT), Fast Fourier Transform (FFT), and K-Nearest Neighbors (K-NN). The DWT method can analyze numerical and analyze functional signal, because discrete experimental signals are taken, the main advantage is at temporal resolution, so DWT can capture the frequency of information and a great location for data base and test the data. K-NN methode is used when classifying test data to train data to obtain the closest value to the training data. The results obtained from 40 research data show some delta signal on Neurosky and Muse little bit, on Neurosky showed 35 data in relaxed condition while on Muse showed 38 data in relaxed condition. unfortunately at theta signal is conspicuous, the amount of data used on Neurosky as much as 36 data, while on Muse as many as 40 data. Keywords: Electroencephalography (EEG), Electroenchepalogram, Brainwave, Holy Quran, DWT, FFT, KNN.
Segmentasi Pembuluh Darah Pada Fundus Retina Menggunakan Matched Filter Dan Operasi Morfologi Maghfira Rifki Hariadi; Ratri Dwi Atmaja; R. Yunendah Nur Fu'adah
eProceedings of Engineering Vol 4, No 2 (2017): Agustus, 2017
Publisher : eProceedings of Engineering

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

Abstract

Proses segmentasi pembuluh darah retina pada citra fundus retina menghasilkan informasi yang berguna bagi para ahli kesehatan untuk mengidentifikasi kelainan pada pembuluh darah mata. Kelainankelaianan tersebut antara lain pembuluh darah yang mengecil, percabangan yang tidak normal, dan sebagainya. Pada tugas akhir ini, penulis mendesain sebuah perangkat lunak menggunakan MATLAB dimana sistem mampu mensegmentasi pembuluh darah retina pada citra fundus retina menggunakan metode Matched Filter dan Morphology Operation serta menggabungkan metode Matched Filter dan Morphology Operation.. Ada dua langkah utama dalam proses segmentasi. Langkah pertama yaitu melakukan preprocessing citra yang bertujuan untuk meningkatkan kualitas citra agar dapat tersegmentasi dengan optimal. Langkah kedua adalah segmentasi citra yang bertujuan untuk melakukan proses ekstraksi sehingga diperoleh pembuluh darah retina dari citra fundus mata. Hasil rata-rata akurasi menggunakan Matched Filter sebesar 88,62%. Sedangkan untuk metode Operasi Morfologi di dapat hasil rata-rata akurasi sebesar 88,34% dan untuk Metode gabungan antara Matched Filter dan Operasi Morfologi menghasilkan akurasi sebesar 87,88%. Keyword: Mata , Deteksi Citra, Segmentasi, Matched Filter, Morphology Operation
Matched Filter Dan Operasi Morfologi Untuk Estimasi Derajat Kebengkokan Tulang Imanuel Boyke Nainggolan; Rita Magdalena; R Yunendah Nur Fuadah
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Dewasa ini, banyak aktifitas yang dapat menyebabkan rasa sakit pada tulang belakang. Banyak hal yang dapat rasa sakit pada tulang belakang. Salah satunya adalah kebengkokan pada tulang belakang, yaitu skoliosis. Skoliosis adalah kelainan pada tulang belakang sehingga tulang belakang melengkung ke sisi kiri atau kanan. Biasanya skoliosis ini terdeteksi ketika penderita melakukan pemeriksaan dengan Rontgen atau alat medis lainnya saat MCU. Tugas Akhir ini bertujuan untuk membangun sebuah sistem yang mampu mendeteksi kebengkokan tulang belakang pada manusia dengan hasil Rontgen. Dibangunnya sistem ini diharapkan dapat membantu proses pengukuran sudut kebengkokan tulang belakang belakang dengan cepat dan akurat. Pada Tugas Akhir ini digunakan metode menggunakan metode Matched Filter dan Morphology Operation. Ada dua langkah utama dalam proses perhitungan sudut. Langkah pertama yaitu melakukan preprocessing yang bertujuan untuk meningkatkan kualitas citra agar dapat tersegmentasi dengan optimal. Dalam upaya mencapai akurasi terbaik, variabel pengujian yang diteliti ialah sebagian besar pada preprocessing karena citra merupakan citra hasil Rontgen, sehingga dibutuhkan variabel terbaik agar menjadi input yang maksimal pada proses berikutnya. Dalam penelitian ini, akurasi menggunakan Matched Filter sebesar 62,67%, Sedangkan untuk metode Operasi Morfologi sebesar 70,76%, dan untuk metode gabungan 72,44% Kata kunci : Tulang Punggung , Deteksi Citra, Perhitungan Sudut Abstract Today, many activities can cause pain in the spine. Many things can be pain in the spine. One is a spinal curvature, namely scoliosis. Scoliosis is a disorder of the spine so the spine curves to the left or right side. Usually this scoliosis is detected when the patient performs an X-ray examination or other medical device during MCU.This Final Project aims to build a system capable of detecting spinal cord in humans with X-rays. The construction of this system is expected to help the process of measuring rough angles of the back spine quickly and accurately. In this final project used method using Matched Filter and Morphology Operation method. There are two main steps in the corner computation process. The first step is to do preprocessing which aims to improve image quality in order to be segmented optimally. In order to achieve the best accuracy, the test variables studied are mostly on preprocessing because the image is the image of X-rays, so it takes the best variable to be the maximum input in the next process. In this research, accuracy using Matched Filter is 62,67%, while for Operation Morphology method is 70,76%, and for method of combination 72,44%. Keywords: Backbone, Image Detection, Angle Calculation
Analisis Performansi Denoising Sinyal Eeg Menggunakan Metode Empirical Mode Decomposition Teguh Dian Arifandi; Rita Magdalena; Yunendah Nur Fuadah
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak EEG (Electroencephalogram) merupakan sinyal biomedis yang di hasilkan dari aktifitas listrik pada otak, sinyal EEG (Electroencephalogram) adalah parameter utama untuk menentukan kondisi otak manusia, pada ilmu biomedis sinyal EEG (Electroencephalogram) bersih sangat di butuhkan, tetapi pada setiap perekaman sinyal otak selalu di dapatkan sinyal otak yang terkontaminasi oleh noise, sehingga pada penelitian ini akan di lakukan metode untuk membersihkan noise yang terdapat pada sinyal otak atau EEG (Electroencephalogram), teknik pembersihan ini biasa disebut dengan sistem Denoising dan sebagai bahan untuk pengujiannya berupa sinyal otak bersih atau EEG (Electroencephalogram) dengan menggunakan metode EMD (Emphirical Mode Decomposition). Pada penelitian Tugas Akhir ini akan dilakukan pengujian denoising terhadap sinyal EEG (Electroencephalogram) dengan menggunkan metode EMD (Emphirical Mode Decomposition), pengujian dilakukan dengan menggunakan aplikasi Matlab, dataset sinyal EEG (Electroencephalogram) bersih yang di ambil dari database Physionet, SNR input sebesar 30 dB yang akan ditambahkan pada sinyal EEG (Electroencephalogram),serta data sinyal yang di gunakan berupa noise AWGN. Berdasarkan hasil pengujian dengan menggunakan metode EMD, dengan memberikan noise AWGN (Aditive White Gausian Noise ), didapatakna nilai MSE dan SNR sebagai berikut: EMD dengan Soft Treshold memiliki nilai MSE sebesar (0.3159204498 dB) dan SNR (9.0450982065 dB), EMD dengan Hard Treshold memiliki nilai MSE sebesar (0.0000506143 dB) dan SNR (27.2450175619 dB) dan EMD dengan Adaptive Soft Treshold memiliki nilai MSE sebesar (0.3167121345 dB) dan SNR sebesar (9.0300305627 dB). Kata Kunci: Denoising, EEG,EMD,IMF
Kamera Pengawas Berbasis Deteksi Pola Wajah Menggunakan Metode Principal Component Analysis (pca) Dan Artificial Neural Network (ann) Muhammad Dwi Cahyo; Sony Sumaryo; R Yunendah Nur Fuadah
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Kamera CCTV yang dilengkapi dengan fitur face recognition merupakan kamera yang terintegrasi dengan sistem pengolahan citra untuk melakukan face recognition pada gambar yang ditangkap oleh kamera. Citra atau gambar yang berbentuk frame by frame dari hasil video kamera webcam C525 HD. Hasil proses pengolahan citra selanjutnya dibandingkan dengan data citra yang terdapat pada database. Hal ini bertujuan untuk melakukan monitoring security system di rumah. Citra ini berfungsi sebagai iput yang selanjutnya diproses dalam komputer menggunakan software Matlab. Teknik face recognition yang digunakan dalam Tugas akhir ini menggunakan metode Principal Component Analysis (PCA) dalam melakukan proses ekstraksi fitur gambar dan menggunakan Artificial Neural Network (ANN) dalam melakukan klasifikasi hasil ekstraksi fitur. Hasil dari proses klasifikasi tersebut akan digunakan untuk memberikan notifikasi/alarm pada pemilik rumah jika terdapat orang asing yang memasuki area rumah. Peringatan yang disampaikan pada pemilik rumah dilakukan via kabel UTP (Ethernet) pada perangkat komputer. Implementasi sistem monitoring keamanan menggunakan kamera dengan fitur face recognition ini diharapkan mampu meminimalisir kejahatan kepemilikan di area rumah dan perkantoran. Kata kunci : CCTV, Face Recognition, PCA, ANN Abstract CCTV camera with face recognition feature is a camera who integrated with image processing system to recognize face on images captured by the camera. The image will be captured frame by frame from a webcam Logitech C525 HD. The results of image processing will be compared with image data which contained in the database. This is intended to monitor the security system at home. Images as an input will be processed in the computer using Matlab software. Face recognition technique used in this final project is Principal Component Analysis (PCA) method in performing feature extraction process and using Artificial Neural Network (ANN) in classification of feature extraction results. The results of the classification process will be used to provide a notification/alarm to the homeowner if there are strangers trespassing the home area. Warnings sign will be delivered via UTP cable (Ethernet) to homeowners on a computer device. Implementation of security monitoring system using a camera with face recognition feature is expected to minimize crimes of ownership in the area of houses and offices. Keywords : CCTV, Face Recognition, PCA, ANN
Perancangan Sistem Deteksi Denyut Nadi Menggunakan Metode Phase-based Motion Magnification Pandu Jati Utomo; Inung Wijayanto; R Yunendah Nur Fuadah
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Di dalam tubuh manusia terdapat jantung yang memompa darah ke seluruh tubuh dan menghasilkan denyut nadi. Telah dibuat teknologi Elektrokardiogram (EKG) dan alat pulse oxymetry untuk mengukur denyut nadi. Teknologi terus dikembangkan agar memungkinkan untuk mengukur denyut nadi tanpa menyentuh tubuh pasien. Lalu berkembanglah sebuah metode yang bernama phasebased motion magnification. Pada penelitian sebelumnya telah diterapkan sebuah metode bernama Eularian Motion Magnification untuk mengukur denyut nadi dengan cara mengambil video dari pergelangan tangan pasien, kemudian pergerakan mikro dalam video diperbesar sehingga denyut nadi dapat terlihat, lalu dilakukan proses deteksi untuk menghitung jumlah denyut nadi per menit dalam satuan BPM. Akan tetapi metode tersebut memiliki kelemahan yaitu hasil yang rentan terhadap noise setelah proses magnifikasi dan akurasi menurun pada kondisi rendah cahaya. Dalam tugas akhir ini digunakan metode phase-based motion magnification untuk menjawab kekurangan dari metode Eulerian, dengan hasil yang rendah noise dan akurasi lebih baik di kondisi rendah cahaya. Hasil pengujian sistem menunjukkan bahwa hasil akurasi terbaik sistem sebesar 86,94% dengan menggunakan variable sampling rate 250 Hz, menggunakan low cut off 30 Hz, high cut off 100 Hz, alpha 50 pixel dan menggunakan sigma 4 pixel. Kata Kunci : EKG, Pulse Oximetry, Phase-Based Motion Magnification, Lagrangian, Eulerian. Abstract In the human body there is a heart that pumps blood throughout the body and produces a pulse. Electrocardiogram (EKG) and pulse oxymetry devices have been made to measure pulse. Technology continues to be developed to make it possible to measure pulse without touching the patient's body. Then developed a method called phase-based motion magnification. In a previous study a method called Eularian Motion Magnification was used to measure pulse by taking video from the patient's wrist, then micro-movement in the video was enlarged so that the pulse could be seen, then the detection process was done to calculate the number of pulses per minute in BPM . However, this method has the disadvantage that the results are susceptible to noise after the magnification process and the accuracy decreases in low light conditions. In this final project, phase-based motion magnification method is used to answer the shortcomings of the Eulerian method, with low noise results and better accuracy in low light conditions. The result of simulation has the best accuracy up to 86.94%, using variable sampling rate 250 Hz, low cut off 30 Hz, high cut off 100 Hz, Alpha 50 Pixel, and sigma 4 pixel. Keywords : EKG, Pulse Oximetry, Phase-Based Motion Magnification, Lagrangian, Eulerian
Co-Authors Achmad Rizal Adam Agus Kurniawan Adinda Maulida Agung Aditama Putra Ahmad Fauzan Fauzan Ahmad Zendhaf Allisha Septariani Ahmad Alva Rischa Qhisthana Pratika Ardhi Fibrianto Avon Budiono Azis Ansori Wahid Daulay, Muhammad Agil Syaifullah Dian Ayu Nurlitasari Dyah Retno Mutia Edwar Efri Suhartono FAUZI FRAHMA TALININGSIH Febriani Ruming Sari Firdaus, Muhammad Naufal Firos Fathul Alam Gelar Budiman Hurianti Vidya Hurianti Vidyaningtyas Ibnu Da'wan Salim Ibnu Da’wan Salim Ubaidah Ihsan Budi Purwono Ilma Rahma Dewi Imanuel Boyke Nainggolan Inung Wijayanto Irdin Arjulian Irham Bani Alfafa Jangkung Raharjo Koredianto Usman Ledya Novamizanti Lugina Perceka Putri M Teguh Kurniawan Maghfira Rifki Hariadi Miftahul Fawaz Muhamad Reinaldi Kurniawan Muhamad Rokhmat Isnaini MUHAMMAD ADNAN PRAMUDITO Muhammad Akhyar Ghifari Muhammad Ardhi Prakasa Muhammad Dwi Cahyo Muhammad Yuqdha Faza Mulyantini, Agustien N Kumalasari Caecar Pratiwi Nabila Herman Naufal Adi Gifran Nidaan Khofiya Nivadirrokhman, Dhanendra Nor Kumalasari Nor Kumalasari Caecar Pratiwi Nur Alyyu Nur Ibrahim Ocky Tiaramukti Pandu Jati Utomo PRAMUDITHO, MUHAMMAD ADNAN PRATIWI, NOR KUMALASARI CAESAR Putra, Rafly Fasha Purnomo Raditiana Patmasari Rafid Fakhri Rahmad Hidayatullah Salam Rahmiati Aulia Ramadhan, Ardiansyah Ratna Sari Ratri Dwi Atmaja Razief Moch Diar Rd. Rohmat Saedudin Rezki Ariz Rahadian Rifky Abdul Khafid Rifqi Muhammad Fikri Rita Magdalena Rita Purnamasari Rizki Muhammad Iqbal Rizky Gilang Gumilar Saiful Azis Santosa, Atharizky Ade Sari, Febriani Ruming Siti Hajar Komariah SOFIA SAIDAH Sony Sumaryo Steven Palondongan Sugondo Hadiyoso SY, NIDAAN KHOFIYA Syafiq Hilmi Abdullah Syamsul Rizal Syamsul Rizal TALININGSING, FAUZI FRAHMA Teguh Dian Arifandi Teguh Musaharpa Gunawan UBAIDULLAH, IBNU DAWAN Vidya, Hurianti Wawan Tripiawan Yoga Yuniadi Zuhri, Hamdan Syaifuddin