Article Per Year (5 Year)
p-Index From 2021 - 2026
7.301
P-Index
This Author published in this journals
All Journal Indonesian Journal of Electronics and Instrumentation Systems Transmisi: Jurnal Ilmiah Teknik Elektro Techno.Com: Jurnal Teknologi Informasi ELINVO (Electronics, Informatics, and Vocational Education) ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika JURNAL NASIONAL TEKNIK ELEKTRO JETT (Jurnal Elektro dan Telekomunikasi Terapan) Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JTERA (Jurnal Teknologi Rekayasa) BAREKENG: Jurnal Ilmu Matematika dan Terapan JRST (Jurnal Riset Sains dan Teknologi) Madani : Indonesian Journal of Civil Society Jurnal Teknik Informatika (JUTIF) JURPIKAT (Jurnal Pengabdian Kepada Masyarakat) Journal of Computer, Electronic, and Telecommunication (COMPLETE) Journal of Telecommunication, Electronics and Control Engineering (JTECE) Jurnal Ekonomika Dan Bisnis JURNAL TEKNIK INDUSTRI eProceedings of Engineering Jurnal Rekayasa elektrika Jurnal INFOTEL
Afandi, Mas Aly
Institut Teknologi Telkom Purwokerto
Humanities Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Mathematics Mechanical Engineering Physics Public Health Social Sciences Transportation

Published : 56 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search
Journal : eProceedings of Engineering

 1   2 
Deteksi Kelelahan Pada Pengendara Sepeda Motor Berbasis Internet of Things (IoT) Kirani Lubis, Liza; Aly Afandi, Mas; Indah Purnama, Sevia
eProceedings of Engineering Vol. 12 No. 3 (2025): Juni 2025
Publisher : eProceedings of Engineering

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

Abstract

Kecelakaan lalu lintas di Indonesia, terutamapada pengendara sepeda motor, adalah masalah yang terusmeningkat setiap tahunnya. Hal ini terjadi karena faktorhuman error yaitu kelelahan dan kantuk pada saat berkendara.Meminta bantuan teman untuk memastikan kondisipengendara bahwa mereka dalam keadaan tetap sadar dantidak mengantuk adalah solusi umum untuk mencegahpengendara mengantuk. Namun, solusi ini tidak selalu efektifkarena ada kemungkinan bahwa pengendara menghadapisituasi yang mengharuskan mereka berkendara sendiri. Padapenelitian akan dibuat perancangan alat berbasis Internet ofThings (IoT) yang bertujuan untuk mendeteksi kelelahan padapengendara sepeda motor secara real-time denganmenggunakan sensor MAX30102, sensor flex dan ESP32sebagai pusat kendalinya. Hasil penelitian menunjukkan, sensorMAX30102 berhasil mendeteksi denyut jantung dan saturasioksigen (SpO2), serta sensor flex berhasil mendeteksiperubahan sudut kepala pengendara. Kemudian, Sistem iniefektif memberikan peringatan dini jika terdeteksi kondisitertentu menggunakan notifikasi suara melalui speaker, buzzer,dan menampilkan data pada aplikasi blynk. Hasil pengujianmenunjukkan bahwa sensor MAX30102 dan flex sensormemiliki akurasi yang tinggi, dengan akurasi 98,73% untukpengukuran denyut jantung, 99,28% untuk saturasi oksigen,dan 99,95% untuk deteksi sudut kepalaKata kunci— Blynk, Flex Sensor, MAX30102, NodeMCUESP32
Implementasi Internet Of Things Untuk Pemantauan Dan Pengontrol AC Otomatis M. Raihan Muzzaki; Aly Afandi, Mas; Fitrian Isnawati, Anggun
eProceedings of Engineering Vol. 12 No. 3 (2025): Juni 2025
Publisher : eProceedings of Engineering

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

Abstract

Air Conditioner (AC) berperan penting dalammenciptakan lingkungan belajar yang nyaman di TelkomUniversity Purwokerto. Namun, pengendalian manual seringmenyebabkan pemborosan energi dan risiko kerusakan.Penelitian ini mengusulkan sistem kontrol AC otomatis berbasisIoT untuk meningkatkan efisiensi energi. Sistem inimenggunakan sensor PIR untuk mendeteksi keberadaanpengguna, sensor suhu dan kelembapan DHT11, serta infraredtransmitter KY-005 yang dikendalikan oleh mikrokontrolerESP8266. Antarmuka berbasis web memungkinkan kontroljarak jauh. Hasil pengujian menunjukkan sensor PIR bekerjaoptimal pada sudut 90° dengan jangkauan 5 meter, sementarainfrared transmitter berfungsi maksimal saat menghadaplangsung ke AC. Sensor DHT11 memiliki akurasi 98,37%dengan error 1,63%. Sistem ini mampu menghemat dayahingga 7,68 kWh per hari atau 230,4 kWh per bulan,mengurangi biaya listrik hingga 33,33%. Penelitian inimenghadirkan solusi berkelanjutan untuk pengelolaan AC diruang kelas berbasis IoT.Kata kunci - Air Conditioner (AC), Internet of Things (IoT),Sensor passive Infrared, Sensor DHT11, IR Trasnmitter,Mikrokontroler
Implementasi SMOTE Untuk Mengatasi Imbalance Class Pada Berita Online Menggunakan Metode K-Nearest Neighbor (KNN) Sitanggang, Andreas; Rhomandhona, Shinta; Aly Afandi, Mas
eProceedings of Engineering Vol. 12 No. 3 (2025): Juni 2025
Publisher : eProceedings of Engineering

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

Abstract

Berdasarkan survei Asosiasi Penyelenggara JasaInternet Indonesia (APJII), jumlah pengguna internet diIndonesia mencapai 215,63 juta orang pada periode 2022-2023,meningkat sebesar 2,67% dibandingkan periode sebelumnya.Peningkatan ini menyebabkan lonjakan jumlah berita onlineyang memerlukan pengelolaan data yang lebih baik, terutamadalam menangani ketidakseimbangan kelas data set padaklasifikasi data. Penelitian ini bertujuan untuk mengatasimasalah tersebut dengan menerapkan teknik SMOTE, yangmenghasilkan sampel baru untuk kelas data set minoritas gunameningkatkan representasi data. Selain itu, algoritma KNNdigunakan untuk mengevaluasi pengaruh kombinasi SMOTEdan KNN terhadap performa model klasifikasi. Evaluasidilakukan menggunakan metrik akurasi, presisi, recall, dan F1-Score. Hasil penelitian menunjukkan bahwa penerapanSMOTE berhasil meningkatkan performa model klasifikasi.Kombinasi terbaik diperoleh pada nilai parameter k=1, denganakurasi sebesar 62,50%, presisi 58,39%, recall 86,96%, dan F1-Score 69,87%. Dibandingkan dengan model sebelum penerapanSMOTE, terjadi peningkatan performa akurasi dari 58,33%,presisi dari 49,56%, dan F1-Score dari 63,28%, sambilmempertahankan recall 87,50%. Penelitian ini membuktikanbahwa SMOTE efektif dalam menangani ketidakseimbangankelas data set, menghasilkan prediksi model yang lebih akuratdan seimbang. Hasil penelitian memberikan kontribusi dalampengelolaan data berita online untuk mendukung kualitasklasifikasi yang lebih baik.Kata kunci— AI, KNN, SMOTE, Berita Online
Klasifikasi Penyakit Daun Kelapa Sawit Menggunakan Metode Convolutional Neural Network (CNN) Abimanyu, Arya; Aly Afandi, Mas; Indah, Sevia
eProceedings of Engineering Vol. 12 No. 3 (2025): Juni 2025
Publisher : eProceedings of Engineering

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

Abstract

Kelapa sawit merupakan salah satu komoditasperkebunan yang memiliki peran strategis dalam pembangunanekonomi Indonesia. Sebagai tulang punggung ekonomi bagijutaan penduduk, perkembangan sektor ini menekankanpemenuhan persyaratan guna menjamin hasil produksi yangberkualitas. Tantangan utama yang dihadapi petani adalahpenyakit pada tanaman kelapa sawit yang disebabkan olehhama dan kekurangan unsur hara, yang dapat menghambatpertumbuhan dan mengurangi hasil panen. Kurangnyapengetahuan petani mengenai jenis penyakit daun kelapa sawitsering kali mengakibatkan kesalahan dalam penanganannya.Penelitian ini berfokus pada klasifikasi penyakit daun kelapasawit menggunakan pengolahan citra berbasis kecerdasanbuatan (Artificial Intelligence), dengan tujuan membantupetani dalam mengidentifikasi daun sehat dan berpenyakitsecara akurat. Metode Convolutional Neural Network (CNN)digunakan untuk mengenali pola dan fitur kompleks pada citradaun kelapa sawit. Hasil menunjukkan bahwa akurasipelatihan meningkat cepat hingga hampir 1 pada epoch 1–20,dengan loss turun signifikan. Namun, akurasi validasi stabil disekitar 0,95, menandakan adanya overfitting. Epoch terbaiktercatat pada epoch 20 dengan akurasi pelatihan 1 dan loss0,001, sementara akurasi validasi tertinggi terjadi pada epoch80 sebesar 0,975. Berdasarkan confusion matrix, model berhasilmengklasifikasikan daun berpenyakit sebanyak 66 kali dandaun sehat sebanyak 80 kali, dengan 14 kesalahan false positivedan tanpa false negative. Akurasi model mencapai 91,25%,dengan presisi 82,5% dan recall 100%, menunjukkan performayang baik dalam mengidentifikasi daun sehat dan berpenyakit.Harapannya, penelitian ini dapat menjadi solusi praktis bagipetani dalam mendeteksi penyakit daun kelapa sawit secaracepat dan akurat, meminimalkan kesalahan, dan meningkatkanhasil pertanian secara keseluruhan.Kata kunci— AI, CNN, Daun Sawit, Klasifikasi
Prototype Implementasi Pencatatan Pengisian Bahan Bakar Otomatis Berbasis Internet Of Things Dwi Cahyani, Puput; Aly Afandi, Mas; Permatasari, Indah
eProceedings of Engineering Vol. 12 No. 3 (2025): Juni 2025
Publisher : eProceedings of Engineering

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

Abstract

Pencatatan pengisian bahan bakar secara manual memiliki risiko kesalahan manusia, kurang efisien, dan sulit diakses secara real-time, yang dapat menyebabkan ketidaktepatan dalam pengelolaan bahan bakar. Untuk mengatasi permasalahan ini, dikembangkan prototipe sistem pencatatan pengisian bahan bakar berbasis Internet of Things yang menggunakan ESP32 sebagai kontrol utama. Sistem ini mengintegrasikan sensor flowmeter untuk mengukur volume bahan bakar, sensor ultrasonik untuk mendeteksi level cairan dalam tangki, serta buzzer sebagai indikator peringatan saatstok bahan bakar menipis. Data pencatatan dikirim secara real-time ke Google Spreadsheet melalui koneksi WiFi, sehingga dapat diakses dengan mudah dan menghilangkan kebutuhan pencatatan manual. Hasil pengujian menunjukkan bahwa sensor flowmeter mencatat rata-rata 408 pulsa per liter, dengan tingkat error 1,73% pada volume per 1000 ml. Sistem ini mampu mencatat data pengisian bahan bakar secara otomatis, akurat, dan real-time, serta meningkatkan efisiensi dalam pemantauan penggunaan bahan bakar.Kata kunci— Bahan bakar solar, ESP32, IoT, Flowmeter, Ultrasonic, Google Spreadsheet
Desain Perangkat Pengukuran Hemoglobin Secara Non-Invasif Berbasis Machine Learning Nuralifa Kalyana Puteri, Keyza; Indah Purnama, Sevia; Aly Afandi, Mas
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Abstract

Hemoglobin (Hb) merupakan indikator penting untuk menilai kondisi kesehatan karena berperan dalam transportasi oksigen dan karbon dioksida dalam tubuh. Metode pengukuran Hb yang umum digunakan saat ini bersifat invasif, membutuhkan pengambilan sampel darah yang dapat menimbulkan ketidaknyamanan, risiko infeksi, serta memerlukan waktu dan biaya tambahan. Penelitian ini bertujuanmengembangkan perangkat pengukur kadar hemoglobin secara non-invasif menggunakan sensor MAX30102 dan algoritma machine learning regresi linier. Sensor mendeteksi intensitas cahaya merah (Red) dan inframerah (IR) pada ujung jari, yang selanjutnya digunakan sebagai input dalam model prediksi kadar Hb. Model regresi linier yang digunakan memiliki persamaan: Hb = 0,19118 + 0,02011 × IR – 0,0030 × Red. Hasil evaluasi menunjukkan kombinasi sinyal rata-rata IR dan Red memberikan performa terbaik dengan MAE sebesar 0,939, MSE 1,325, RMSE 1,151, serta koefisien korelasi sebesar 0,643. Rata-rata galat antara hasil prediksi perangkat non-invasif terhadap metode invasif adalah 2,66%. Hasil ini menunjukkan bahwa perangkat non-invasif berbasis regresi linier dapat menjadi alternatif yang akurat, nyaman, dan efisien untuk pemantauan kadar hemoglobin.Kata kunci— hemoglobin, machine learning, non invasif, regresi linier.
Implementasi Arsitektur U-Net Untuk Segmentasi Tumor Otak Otomatis Pada Citra MRI Dengan Data Pengujian Asli Shidqi Dhamara, Ammar; Indah Purnama , Sevia; Aly Afandi, Mas
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Abstract

Tumor otak merupakan pertumbuhan selabnormal yang mengganggu fungsi otak. Deteksi dini pentinguntuk meningkatkan akurasi diagnosis, namun segmentasimanual citra MRI memerlukan keahlian tinggi. Penelitian inimengimplementasikan arsitektur U-Net sebagai metodesegmentasi otomatis pada citra MRI menggunakan data aslidari Rumah Sakit Islam Jakarta Cempaka Putih. Eksperimendilakukan dengan variasi epoch (20–100) dan Learning rate(1e-3 dan 1e-4). Konfigurasi terbaik diperoleh pada Learningrate 1e-4 dan 100 epoch dengan Dice Coefficient 0,88 dan IoU0,78. Sistem U-Net ini dapat meningkatkan efisiensi danakurasi diagnosis tumor otak.Kata kunci : Tumor otak, MRI, Segmentasi, U-Net, DeepLearning
Pendeteksi Sudut Kemiringan Tulang Pada Penderita Skoliosis Menggunakan Image Processing Dwika Pangestu, Septiana; Indah Purnama, Sevia; Aly Afandi, Mas
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Abstract

Skoliosis adalah kelainan pada tulangbelakang yang ditandai dengan kelengkungan ke sampingberbentuk huruf S atau C, dengan derajat keparahanbervariasi. Pengukuran kelengkungan secara manualmemerlukan waktu lama dan berisiko tidak konsisten.Penelitian ini bertujuan untuk mengembangkan metodeotomatis berbasis citra sinar-X menggunakan deep learninguntuk mengklasifikasikan derajat kelengkungan tulangbelakang secara efisien dan akurat. Model yang digunakanadalah DenseNet karena kemampuannya dalammempertahankan fitur melalui koneksi antar lapisan yangpadat. Sistem dikembangkan melalui tahapan pemrosesancitra dan pelatihan model dengan parameter seperti ukurancitra, jumlah epoch, batch size, learning rate, dan jenisoptimizer. Hasil terbaik diperoleh dengan ukuran citra224x224, batch size 32, learning rate 0,001, dan optimizerRMSprop, yang menghasilkan akurasi hingga 88,78%, presisi84,18%, recall 87,54%, dan skor F1 84,65%. Dengan hasiltersebut, sistem ini terbukti mampu meningkatkan akurasidan efisiensi dalam pengukuran skoliosis serta berpotensimendukung proses diagnosis dan pengobatan secara lebihkonsisten dan objektif di lingkungan klinis.Kata kunci— Skolosis, Pemrosesan Citra, DeepLearning, DenseNet, Detekssi Otomatis, Klasifikasi TulangBelakang, Optimasi Model
Rancang Bangun Sarung Tangan Pengenalan Bahasa Isyarat Kondisi Tubuh Berbasis Sistem Sensor dan Pembelajaran Mesin Azhar Alfarisi, Fadhil; Indah Purnama, Sevia; Aly Afandi, Mas
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Abstract

Penyandang disabilitas tunarungu atau tunawicara sering mengalami kesulitan dalam menyampaikan kondisi tubuh melalui bahasa isyarat kepada orang normal, sehingga menimbulkan hambatan komunikasi dan interaksi sosial. Untuk mengatasi masalah ini, dikembangkan sebuah sistem sarung tangan berbasis sensor dan machine learningyang mampu mengenali dan menerjemahkan bahasa isyarat terkait kondisi tubuh. Sistem ini menggunakan flex sensor untuk mendeteksi lekukan jari, mikrokontroler ESP32 besertaexpansion board sebagai unit pemroses serta LCD 16x2 dengan modul IIC sebagai tampilan output. Data sensor diklasifikasikan ke dalam 8 kondisi tubuh seperti batuk, flu, diare, sakit leher,sakit lengan, sakit kaki, sakit kepala, dan pusing dan dapat ditampilkan secara real-time dengan waktu respon rerata 0.10detik dalam bentuk teks. Desain sarung tangan dipilih untukmeningkatkan kenyamanan dan probabilitas. Hasil pengujianmenunjukkan bahwa sistem mampu mengenali 8 kondisi tubuhdengan akurasi 86% dan waktu respons yang cepat.Kata kunci : Bahasa Isyarat, Flex Sensor, MPU6050, MachineLearning, Sarung Tangan
Rancang Bangun Sarung Tangan Pengenalan Bahasa Isyarat Kondisi Tubuh Berbasis Sistem Sensor dan Pembelajaran Mesin Rohan Hiskia Saragih, Aldo; Indah Purnama, Sevia; Aly Afandi, Mas
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Abstract

Penyandang disabilitas tunarungu atau tunawicara sering mengalami kesulitan dalam menyampaikan kondisi tubuh melalui bahasa isyarat kepada orang normal, sehingga menimbulkan hambatan komunikasi dan interaksi sosial. Untuk mengatasi masalah ini, dikembangkan sebuah sistem sarung tangan berbasis sensor dan machine learning yang mampu mengenali dan menerjemahkan bahasa isyarat terkait kondisi tubuh. Sistem ini menggunakan flex sensor untuk mendeteksi lekukan jari, mikrokontroler ESP32 beserta expansion board sebagai unit pemroses serta LCD 16x2 dengan modul IIC sebagai tampilan output. Data sensor diklasifikasikan ke dalam 8 kondisi tubuh seperti batuk, flu, diare, sakit leher, sakit lengan, sakit kaki, sakit kepala, dan pusing dan dapat ditampilkan secara real-time dengan waktu respon rerata 0.10 detik dalam bentuk teks. Desain sarung tangan dipilih untuk meningkatkan kenyamanan dan probabilitas. Hasil pengujian menunjukkan bahwa sistem mampu mengenali 8 kondisi tubuh dengan akurasi 86% dan waktu respons yang cepat. Kata kunci : Bahasa Isyarat, Flex Sensor, MPU6050, Machine Learning, Sarung Tangan
Co-Authors Abi Hakim Amanullah Abimanyu, Arya Adelia Kencana Putri Adiputra, Dimas Adriansyah, Bagas Afifah Dwi Ramadhani Agatha Dinarah Sri Rumestri Agung Wicaksono Agung Wicaksono Agustinah, Chandra Aisyah Ayu Wulandari Aisyah Alfin Anantia Prakasa Andi Aqsha Ramadana Lubis Andri Juli Setiawan Angga Bagus Prawira Anggun Fitrian Isnawati Anjani, Mia Arfianto Fahmi Arsiandro, Fadzly Haris Azhar Alfarisi, Fadhil Brayan Raynaldi Caesar Sabani Chandra Agustinah Crisianti, Risa Farid Dadan Nur Ramadan Dania Anggraeni Dhany Maulana Supriadi Dicky Revan Pangestu Dwi Cahyani, Puput DWI SURYANTO Dwika Pangestu, Septiana Eka Setia Nugraha Elsalami, Puspa Maudi Erlina Nur Arifani Ezi Rohmat Fadhila Karin Purnomo FADHLAN, FATHURROZAQ Fadillah, Siti Fairuz Azmi Fikra Titan Syifa Fikri Nizar Gustiyana Filbert H. Juwono Goran, Petrus Kerowe Gunawan Wibisono Hanif Aditya Permana Hanin Latif Fuadi hazia rifka maulida Hedi Krishna Helmy Widyantara Herryawan Pujiharsono I Ketut Agung Enriko Ibrohim Huzaimi Indah Permatasari Indah Permatasari Indah, Sevia Indrarini Dyah Irawati Irmayatul Hikmah Isa Hafidz Kevin Dwi Andika Hendarta Khulqi Rasyid kinanti, Alicia Kirani Lubis, Liza Lukman Priyambodo M. Raihan Muzzaki Makhdhori, Muhammad Marina, Prieska Montolalu, Billy Muhammad Aulia Baihaqy Muhammad Nur Al-Majid Mulyani, Elsa Sri Nabila, Nisrina Hania Nada Febiola Nur Azizah Natasya Nur Khalika Naura Nazhifah Nur, Ivan Akmal Nuralifa Kalyana Puteri, Keyza Nurcahyani Wulandari Nurkholis, Rizki Nurmeilinda, Kharisma Octavian Ery Pamungkas Oktaviana, Lutvi Tri Pangestu, Gusti Angga Prasetio, Angga Ari Prieska Marina Purwanti, Eri Nanda Dewi Puspa Rahmawati Puteri, Keyza Nuralifa Randi Adzin Murdiantoro Raynaldi, Brayan Reni Dyah Wahyuningrum Rhomandhona, Shinta Risa Fareid Christianti Risa Farid Crisianti Ristanti Akseptori Rochmanto, Raditya Artha Rohan Hiskia Saragih, Aldo Salsabila, Unik Hanifah Saputra, Sahrul Selamet, Sheila Shelvia Setiawan, Andri Juli Sevia Indah Purnama Shidqi Dhamara, Ammar Silvi Nurandi Sitanggang, Andreas Sugondo Hadiyoso Sutarmin Sutarmin, Sutarmin Tarigan, Nicolas Yonara Tasya Enjelika Saputri Thofan Maliyano Ubaidilah Umar Utari, Tria Wahyu Andy Prastyabudi Yudha Purwanto