Article Per Year (5 Year)
p-Index From 2020 - 2025
8.549
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) 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 Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Physics Transportation

Published : 54 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 54 Documents
Search

 2   3   4   5   6 
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
Rancang Bangun Sarung Tangan Pengenalan Bahasa Isyarat Kondisi Tubuh Berbasis Sistem Sensor dan Pembelajaran Mesin Makhdhori, Muhammad; 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 atautunawicara sering mengalami kesulitan dalam menyampaikankondisi tubuh melalui bahasa isyarat kepada orang normal,sehingga menimbulkan hambatan komunikasi dan interaksisosial. Untuk mengatasi masalah ini, dikembangkan sebuahsistem sarung tangan berbasis sensor dan machine learningyang mampu mengenali dan menerjemahkan bahasa isyaratterkait kondisi tubuh. Sistem ini menggunakan flex sensoruntuk mendeteksi lekukan jari, mikrokontroler ESP32 besertaexpansion board sebagai unit pemroses serta LCD 16x2 denganmodul IIC sebagai tampilan output. Data sensor diklasifikasikanke dalam 8 kondisi tubuh seperti batuk, flu, diare, sakit leher,sakit lengan, sakit kaki, sakit kepala, dan pusing dan dapatditampilkan 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
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 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