Garuda - Garba Rujukan Digital

Deteksi Kantuk pada Pengemudi Berdasarkan Penginderaan Wajah Menggunakan PCA dan SVM Nur Ramadhani; Suci Aulia; Efri Suhartono; Sugondo Hadiyoso
Jurnal Rekayasa Elektrika Vol 17, No 2 (2021)
Publisher : Universitas Syiah Kuala

Drowsiness while driving is one of the main causes of traffic accidents it affects the level of focus of the driver. Therefore, we need an automatic drowsiness detection mechanism for the driver to provide a warning or alarm so that an accident can be avoided. In this study, we design and simulate a system to detect drowsiness through the driver’s yawn expression. The acquisition is made by recording the face from two shooting points including the dashboard and front mirrors in the car. From the video recording, then it is taken into several images with a size of 128x82 pixels which are used as training and testing data. This image is then processed using Principal Component Analysis (PCA) for feature extraction and classified using a Support Vector Machine (SVM). From the tests carried out, the system generates the highest accuracy of 98%. This best performance is obtained by SVM with polynomial kernel in the camera position on the dashboard. Meanwhile, based on compression testing, the image that can still meet system requirements is 25% of the original size. It is hoped that the proposed drowsiness detection method in this study can be applied for real-time drowsiness detection in vehicles.

Klasifikasi Penyakit Folikulitis Berdasarkan Citra Digital Dengan Metode Fraktal dan K-Nearest Neighbor Kiflan Mohammad Hazmi; Efri Suhartono; Jaspar Hasudungan
eProceedings of Engineering Vol 10, No 3 (2023): Juni 2023
Publisher : eProceedings of Engineering

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

Abstrak—Folikulitis merupakan peradangan pada folikel rambut. Hal tersebut disebabkan oleh infeksi terutama Staphylococcus aureus. Secara umum, hampir 20% populasi manusia membawa bakteri Staphylococcus aureus di permukaan tubuh, terutama hidung, aksila, dan perineum. Staphylococcus aureus memproduksi beberapa toksin yang dapat meningkatkan kemungkinan invasi dan membantu mempertahankan kehidupan Staphylococcus di jaringan. Hingga saat ini masih belum ada cara untuk mengetahui jenis penyakit ini selain dilakukannya penelitian pada sel penderita. Semakin berkembangnya teknologi maka dapat dibuatlah sistem untuk mendeteksi penyakit tersebut dengan melakukan segmentasi citra menggunakan metode Fraktal dan K- Nearest Neighbor. Fraktal merupakan obyek yang memiliki kemiripan dirinya-sendiri namun dalam skala yang berbeda. Ini artinya, bagian-bagian dari obyek akan tampak sama dengan obyek itu sendiri bila dilihat secara keseluruhan. K-Nearest Neighbor digunakan untuk mencari jarak terdekat antara data latih yang dimasukkan ke dalam database dengan data uji dan mengklasifikasikannya. Penelitian tugas akhir ini bertujuan untuk membuat simulasi pada Matlab yang dapat mendeteksi dan mengklasifikasikan jenis Folikulitis dengan pengambilan sumber dataset dari https://dermnetnz.org. Klasifikasi tersebut dibagi menjadi tiga kelas, yaitu: Superficial Folikulitis , Deep Folikulitis, dan Malassezia Folikulitis. Performansi terbaik dari penelitian ini yaitu akurasi 83.33% presisi 100% dan recall 100% dengan parameter K-Nearest Neighbor merupakan nilai K=3 dan jarak Euclidean. Kata Kunci— folikuitis, klasifikasi, fraktal, K-nearest neighbor

Penerapan Internet of Thing (IoT) Dalam Pengendalian Suhu, Kelembaban dan PH Air Kolam pada Mini EduFarm Efri Suhartono; Jaspar Hasudungan; Jangkung Raharjo; Ardio Pratama Putra; Firman Ag. Roni; Annisa Puji Lestari; Ahmad Zaky Rafif Muthafa; Dega Pradipta Ramadhan; Muh Zidni Makarim; Eka Sugiarto
Journal of Information System Research (JOSH) Vol 4 No 4 (2023): Juli 2023
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josh.v4i4.3723

In cultivating fish using ponds, there are quite a number of parameters that must be considered in order to get the desired results and minimize failure in the cultivation of the fish itself. The problems that occur in fish farming according to the references obtained are the temperature and pH of the water that are not in accordance with the needs of the fish itself. Optimal water temperature conditions for intensive catfish maintenance are 25 – 30°C. Meanwhile, from time to time the temperature of the water can change due to certain factors. Based on the above problems, IoT technology is used which can identify and detect the data above, so that it can analyze the required data and automatic feeding with consistent time. Testing will be carried out by adjusting the data taken by the sensor used as well as the output from the tool itself by utilizing existing manual measuring instruments so that the data taken by the sensor itself is not in doubt the data taken by the sensor itself. Automatic temperature control devices and pool monitoring will be a solution to problems beyond human control. The tool will detect the pool temperature, if it feels like the pool water temperature needs to be warmed up, then the water will be channeled by a water pump to the heatsink attached to the cold side of the TEC, then the colder water will be put back into the pool, and vice versa when the pool water temperature feels cold. The monitoring system can make it easier for catfish breeders to monitor pond water conditions via mobile phones only with the web.

Deteksi Kantuk pada Pengemudi Berdasarkan Penginderaan Wajah Menggunakan PCA dan SVM Nur Ramadhani; Suci Aulia; Efri Suhartono; Sugondo Hadiyoso
Jurnal Rekayasa Elektrika Vol 17, No 2 (2021)
Publisher : Universitas Syiah Kuala

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17529/jre.v17i2.19884

Drowsiness while driving is one of the main causes of traffic accidents it affects the level of focus of the driver. Therefore, we need an automatic drowsiness detection mechanism for the driver to provide a warning or alarm so that an accident can be avoided. In this study, we design and simulate a system to detect drowsiness through the driver’s yawn expression. The acquisition is made by recording the face from two shooting points including the dashboard and front mirrors in the car. From the video recording, then it is taken into several images with a size of 128x82 pixels which are used as training and testing data. This image is then processed using Principal Component Analysis (PCA) for feature extraction and classified using a Support Vector Machine (SVM). From the tests carried out, the system generates the highest accuracy of 98%. This best performance is obtained by SVM with polynomial kernel in the camera position on the dashboard. Meanwhile, based on compression testing, the image that can still meet system requirements is 25% of the original size. It is hoped that the proposed drowsiness detection method in this study can be applied for real-time drowsiness detection in vehicles.

Wood Species Identification using Convolutional Neural Network (CNN) Architectures on Macroscopic Images Oktaria, Anindita Safna; Prakasa, Esa; Suhartono, Efri
Journal of Information Technology and Computer Science Vol. 4 No. 3: Desember 2019
Publisher : Faculty of Computer Science (FILKOM) Brawijaya University

Indonesia is a country that is very rich in tree species that grow in forests. Wood growth in Indonesia consists of around 4000 species that have different names and characteristics. These differences can determine the quality and exact use of each type of wood. The procedure of standard identification is currently still carried out through visual observation by the wood anatomist. The wood identification process is very in need of the availability of wood anatomists, with a limited amount of wood anatomist will affect the result and the length of time to make an identification. This thesis uses an identification system that can classify wood based on species names with a macroscopic image of wood and the implementation of the Convolutional Neural Network (CNN) method as a classification algorithm. Supporting architecture used is AlexNet, ResNet, and GoogLeNet. Architecture is then compared to a simple CNN architecture that is made namely Kayu30Net. Kayu30Net architecture has a precision performance value reaching 84.6%, recall 83.9%, F1 score 83.1% and an accuracy of 71.6%. In the wood species classification system using CNN, it is obtained that AlexNet as the best architecture that refers to a precision value of 98.4%, recall 98.4%, F1 score 98.3% and an accuracy of 96.7%.

Peningkatan kualitas pengajaran siswa SMKN 4 Bandung pada bidang elektromagnetika melalui Electromagnetic Fun Hours Erixno, Oon; Ramadhani, Farah; Suhartono, Efri; Dwi Mustofa, Ihsan; Pradipta , Dega
Jurnal Pengabdian Masyarakat - PIMAS Vol. 4 No. 1 (2025): Februari
Publisher : LPPM Universitas Harapan Bangsa Purwokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35960/pimas.v4i1.1763

Proyek pengabdian kepada masyarakat ini bertujuan untuk meningkatkan pemahaman konsep dan aplikasi elektromagnetika bagi siswa SMKN 4 Bandung melalui program inovatif Electromagnetic Fun Hours. Elektromagnetika, sebagai bidang dasar dalam fisika dan teknik, diajarkan dengan metode yang menarik dan interaktif untuk memastikan pemahaman yang komprehensif. Program ini berfokus pada konsep dasar seperti medan elektromagnetik dan aplikasinya dalam teknologi sehari-hari. Dengan menggabungkan eksperimen langsung dan aktivitas kolaboratif, siswa didorong untuk berpartisipasi aktif dan mengembangkan minat yang lebih dalam terhadap mata pelajaran ini. Inisiatif ini tidak hanya meningkatkan pemahaman teoritis siswa tetapi juga keterampilan praktis mereka, mempersiapkan mereka untuk tantangan teknis di masa depan. Umpan balik dari siswa diharapkan menunjukkan peningkatan yang signifikan dalam keterlibatan dan pemahaman tentang elektromagnetika. Proyek ini menunjukkan efektivitas pendekatan interaktif dalam mengajarkan konsep ilmiah dan menekankan pentingnya metode pendidikan inovatif dalam pelatihan kejuruan.

Penerapan Metode Histogram Oriented of Gradients dan Haar-Cascad pada Pintu Asrama Pintar Telkom University Yoren, Muhammad Ikhlashul; Purnamasari, Rita; Suhartono, Efri
eProceedings of Engineering Vol. 11 No. 6 (2024): Desember 2024
Publisher : eProceedings of Engineering

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

Kasus penghuni tak dikenal yang menginap serta laporan kehilangan barang di asrama Telkom University telah menjadi masalah yang semakin sering terjadi. Untuk mengatasi masalah ini, dirancang sebuah sistem pengenalan wajah (facerecognition) yang dapat meningkatkan keamanan di lingkungan asrama. Sistem ini menggunakan Raspberry Pi dan OpenCV sebagai pustaka utama, dengan dua metode utama: Haar Cascade untuk mendeteksi wajah dan Histogram of Oriented Gradients (HOG) untuk mencocokkan wajah dengan data yang tersimpan. Pengujian sistem dilakukan dengan melibatkan 10 orang sebagai sampel, di mana masing-masing sampel terdiri dari 25 foto. Hasil pengujian menunjukkan bahwa sistem ini mampu mengenali wajah dengan akurasi hingga 89%, dengan waktu proses rata-rata 2,45 detik. Diharapkan, sistem ini dapat memberikan kontribusi nyata dalam meningkatkan rasa aman dan nyaman bagi seluruh penghuni asrama Telkom University. Kata kunci—Face Recognition, Haar Cascade, Histogram of Oriented Gradients (HOG), OpenCV, RaspberryPi.

Mengukur Keandalan Smart Dorm Key: Uji Performa Face Recognition dan Sensor Ultrasonik dalam Berbagai Kondisi Ramadhana, Rexy Yusuf; Purnamasari, Rita; Suhartono, Efri
eProceedings of Engineering Vol. 11 No. 6 (2024): Desember 2024
Publisher : eProceedings of Engineering

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

Keamanan di asrama merupakan hal yang sangat penting, terutama di lingkungan dengan jumlah penghuni yang tinggi seperti di asrama Universitas Telkom. Penelitian ini mengeksplorasi pengembangan dan evaluasi sistem Smart Dorm Key yang mengintegrasikan teknologi pengenalan wajah dan sensor ultrasonik untuk meningkatkan keamanan. Sistem ini memanfaatkan metode Histogram of Oriented Gradients (HOG) dan Haar Cascade untuk pengenalan wajah, dikombinasikan dengan sensor ultrasonik untuk mendeteksi kondisi keluar. Melalui pengujian yang ketat dalam berbagai kondisi, termasuk pencahayaan normal, pencahayaan redup, dan penggunaan aksesori, sistem ini menunjukkan keandalan tinggi dalam kondisi optimal namun mengungkapkan area yang memerlukan perbaikan, terutama dalam lingkungan yang menantang. Kata kunci – Asrama, Keamanan, Pengenalan Wajah, Pengujian

Integrasi Perangkat Keras dan Realisasi Sistem Kunci Pintar Berbasis Raspberry Pi 4 Anam, Nasehun; Purnamasari, Rita; Suhartono, Efri
eProceedings of Engineering Vol. 11 No. 6 (2024): Desember 2024
Publisher : eProceedings of Engineering

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

Pada pengembangan sistem keamanan pintu berbasis IoT di Asrama Telkom University, perangkat keras memainkan peran penting dalam menjaga privasi dan keselamatan penghuni. Sistem ini menggunakan Raspberry Pi 4 Model B sebagai pusat kendali, yang terhubung dengan berbagai komponen seperti kamera untuk face recognition, sensor ultrasonik untuk mendeteksi keberadaan di dekat pintu, dan solenoid door lock yang mengendalikan akses masuk dan keluar. Kamera menangkap gambar wajah, yang kemudian diproses oleh Raspberry Pi menggunakan metode HOG dan Haar Cascade. Sensor ultrasonik memastikan pintu dapat terbuka secara otomatis ketika ada orang yang mendekat dari dalam gedung. Hasil uji coba menunjukkan bahwa sistem face recognition memiliki akurasi 89% dalam kondisi normal, Sementara itu, sensor ultrasonik menunjukkan tingkat keberhasilan deteksi sebesar 94% dalam berbagai durasi pengujian. Sistem ini menawarkan solusi keamanan pintu yang lebih efektif dibandingkan metode tradisional, dengan potensi penerapan yang lebih luas di berbagai tempat. Kata kunci— Keamanan, Raspberry Pi, Face Recognition, Sensor Ultrasonik

APLIKASI WEBSITE PERHITUNGAN ESTIMASI BIAYA DAN EMISI DALAM PENGEMBANGAN ENERGI BARU TERBARUKAN SECARA REALTIME Pasa, Faris Alfaroby; Raharjo, Jangkung; Suhartono, Efri
Telkatika: Jurnal Telekomunikasi Elektro Komputasi & Informatika Vol. 3 No. 1 (2023): Desember 2023
Publisher : Perpustakaan Universitas Telkom

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

Dalam rangka mengatasi tantangan perubahan iklim dan meningkatnya kebutuhan energi, pengembangan energi baru terbarukan telah menjadi fokus utama. Namun, biaya investasi yang tinggi dan dampak emisi sering kali menjadi hambatan. Untuk mengatasi ini, sebuah aplikasi berbasis website telah dikembangkan untuk menghitung estimasi biaya dan emisi dalam pengembangan energi terbarukan secara real-time. Aplikasi ini menggabungkan data terkini tentang biaya instalasi, biaya pemeliharaan dan emisi karbon dari sumber terpercaya. Pengguna dapat memasukkan parameter proyek seperti kapasitas instalasi pembangkit, umur investasi, dan discount rate. Menggunakan model matematika, aplikasi ini menghitung total biaya proyek, rincian biaya pengembangan, dan estimasi emisi yang dihasilkan. Diharapkan aplikasi ini dapat memfasilitasi pengembangan energi terbarukan yang lebih berkelanjutan dan efektif, berkontribusi pada upaya mengatasi perubahan iklim dan kebutuhan energi di masa mendatang.Kata kunci : energi terbarukan, biaya investasi, emisi, aplikasi berbasis website.

Title

Found 36 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 36 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 36 Documents
Search