Garuda - Garba Rujukan Digital

Pengurangan Kebisingan Sinyal Elektrocardiogram (ECG) Menggunakan Filter Adaptif dengan Metode Least Mean Squares (LMS) Nirmayrahayu, Yenny; Hanni Pradana, Zein; Hikmah, Irmayatul
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Sinyal elektrokardiogram (ECG) sering kali terkontaminasi oleh berbagai sumber kebisingan, sepertiinterferensi daya listrik, artefak gerakan, dan kebisingan otot, yang dapat mengganggu akurasi analisis dan diagnosis medis. Oleh karena itu, diperlukan metode yang efektif untuk mengurangi kebisingan agar sinyal ECG yang diperoleh lebih bersih dan dapat diinterpretasikan dengan lebih akurat. Salah satu pendekatan yang banyak digunakan adalah filter adaptif dengan algoritma Least Mean Squares(LMS). Filter adaptif LMS memiliki keunggulan dalam menyesuaikan bobot filter secara dinamis berdasarkan perubahan karakteristik sinyal, sehingga mampu menghilangkan noise tanpa merusak komponen utama sinyal ECG. Penelitian ini bertujuan untuk mengurangi kebisingan atau noise pada sinyal ECG agar sinyal memiliki tingkat ketepatan dalam proses pendiagnosaan yan g lebih baik.Untuk meningkatkan akurasi analisis sinyal ECG diperlukan teknik pengurangan kebisingan yang efektif. Pengukuran performa menggunakan SNR (Signal to Noise Ratio) yang akan menghitung peningkatan kualitas sinyal yang signifikan dibandingkan dengan sinyal sebelum fitrasi. Hasil yang diharapkan dari penelitian ini adalah penurunan noise sinyal ECG dan terjadi perubahan pada saat disimulasikan denganmetode yang telah diterapkan, dimana hasilnya akan berbeda dengan sinyal ECG sebelum di filtrasi. Hasil yang diperoleh berdasarkan pengujian yang telah dilakukan, perubahan sinyal setelah denoising yang dapat mendekati sinyal asli pada filter orde 8 dengan step size 0.001 dan 0.01. Kata Kunci : electrocardiogram, filter adaptif, least mean squares, noise

Analisis Efisiensi Cnn Dan Rnn Dalam Klasifikasi Down Syndrome Pada Usia Balita Ramadan, Alfiansyah; Khairul Luthfi, Naufal; Rifqi Althaaf, Muhammad; Pranindito, Dadiek; Hanni Pradana, Zein
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Perkembangan teknologi kecerdasan buatan,khususnya machine learning, telah membuka peluang barudalam bidang kesehatan, termasuk diagnosis dini Downsyndrome pada balita. Penelitian ini bertujuan menganalisisefisiensi dua model deep learning, yaitu Convolutional NeuralNetwork (CNN) dan Recurrent Neural Network (RNN), dalammengklasifikasikan Down syndrome berdasarkan citra wajah.Metode yang digunakan meliputi pengumpulan data, prapemrosesan citra, pelatihan model, dan evaluasi menggunakanmetrik accuracy, precision, recall, dan F1-score. Hasil penelitianmenunjukkan bahwa CNN mencapai akurasi lebih tinggi(0.9383 pada data pelatihan), namun memiliki keterbatasandalam mendeteksi kasus positif (precision 0.6772, recall 0.7044).Sementara itu, RNN menunjukkan kinerja lebih baik dalammendeteksi Down syndrome (recall 0.9571, F1-score 0.8724),meskipun akurasinya lebih rendah (0.7757). Pada tahap validasidan pengujian, RNN tetap unggul dalam recall (0.9832 dan0.9928), menjadikannya lebih cocok untuk aplikasi medis yangmemprioritaskan deteksi kasus positif. Penelitian inimenyimpulkan bahwa pemilihan model tergantung padakebutuhan: CNN untuk akurasi umum, sedangkan RNN untukdeteksi komprehensif dengan risiko false negative minimal.Temuan ini memberikan kontribusi penting bagipengembangan sistem diagnosis berbasis AI yang lebih akuratdan efisien.Kata kunci— Down syndrome, CNN, RNN, klasifikasicitra, machine learning

Analisis Efisiensi Cnn Dan Rnn Dalam Klasifikasi Down Syndrome Pada Usia Balita Ramadan, Alfiansyah; Khairul Luthfi, Naufal; Rifqi Althaaf, Muhammad; Pranindhito, Dadiek; Hanni Pradana, Zein
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Perkembangan teknologi kecerdasan buatan, khususnya machine learning, telah membuka peluang baru dalam bidang kesehatan, termasuk diagnosis dini Down syndrome pada balita. Penelitian ini bertujuan menganalisis efisiensi dua model deep learning, yaitu Convolutional Neural Network (CNN) dan Recurrent Neural Network (RNN), dalam mengklasifikasikan Down syndrome berdasarkan citra wajah. Metode yang digunakan meliputi pengumpulan data, prapemrosesan citra, pelatihan model, dan evaluasi menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa CNN mencapai akurasi lebih tinggi (0.9383 pada data pelatihan), namun memiliki keterbatasan dalam mendeteksi kasus positif (precision 0.6772, recall 0.7044). Sementara itu, RNN menunjukkan kinerja lebih baik dalam mendeteksi Down syndrome (recall 0.9571, F1-score 0.8724),meskipun akurasinya lebih rendah (0.7757). Pada tahap validasi dan pengujian, RNN tetap unggul dalam recall (0.9832 dan 0.9928), menjadikannya lebih cocok untuk aplikasi medis yang memprioritaskan deteksi kasus positif. Penelitian ini menyimpulkan bahwa pemilihan model tergantung pada kebutuhan: CNN untuk akurasi umum, sedangkan RNN untuk deteksi komprehensif dengan risiko false negative minimal. Temuan ini memberikan kontribusi penting bagipengembangan sistem diagnosis berbasis AI yang lebih akurat dan efisien.Kata kunci— Down syndrome, CNN, RNN, klasifikasi citra, machine learning

Evaluasi Sistem Jaringan Akses Ftth Untuk Koneksi Rt Rw Di Desa Suren Mertiana, Eva; Khair, Fauza; Hanni Pradana, Zein
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Desa Suren merupakan desa yang mayoritaspenduduk bekerja sebagai pedagang, petani, buruh harianlepas dan untuk anak remaja setelah lulus SMA merekamembuka dropshipper. Hal ini menyebabkan tingginyakeinganan masyarakat terhadap layanan internet pribadi.Melalui pendekatan studi kasus, penelitian ini menggunakanmetode kuantitatif dan kuantitatif yang meliputi surveikebutuhan masyarakat, wawancara dengan tokoh warga sertapengamatan lapangan. Selain itu, dilakukan perancanganntopologi dengan mempertimbangkan jarak antar rumah,kondisi geografis, dan ketersediaan sinyal. Denganmemanfaatkan perangkat seperti Optical Line Terminal (OLT),Optical Distribution Point (ODP), Optical Network Terminal(ONT), serta Mikrotik. Dari hasil simulasi dan perancanganFTTH pada Optisystem nilai power link budget sebesar -19.328dBm, -19.362 dBm, -19.356 dBm, dan -19.324 dBm. Nilai BERsebesar ????. ૢૢ૞????ૡ ૙ૢ૞ .૝ ,????૝-????૙ ܠ૟૟ૢ???? .૜ ,????૝-????૙ ܠૡ???? .????૝-????૙ ܠNilai Q-Factor sebesar 7.5613, 7.48163, 7.46717, dan 7.38774.Dari ketiga parameter tersebut, bahwa evaluasi jaringan FTTHdi Desa Suren menunjukkan kelayakan implementasi danmampu mendukung konektivitas bagi masyarakat.Kata kunci— Jaringan RT/RW Net, Penyedia layananinternet, Pengembangan jaringan, Evaluasi jaringan, desa,akses internet, studi kasus.

Otomatisasi Sistem Pakan Kucing Berbasis Iot Untuk Pengaturan Porsi Pakan Dan Monitoring Secara Real-Time Nada Fitri, Refia; Yulian Zetta Maulana; Hanni Pradana, Zein
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Perkembangan teknologi Internet of Things (IoT)dan Artificial Intelligence (AI) mendorong terciptanya sistemotomatisasi cerdas dan responsif. Penelitian ini mengusulkansistem pakan kucing otomatis berbasis IoT dan AI yangdirancang untuk mengatasi permasalahan keterbatasan waktupemilik hewan dalam memberi pakan secara teratur. Sistemmenggunakan YOLOv11 untuk mendeteksi kucing secara realtime melalui webcam, sehingga hanya kucing teridentifikasiyang dapat menerima pakan. Model AI dilatih menggunakanplatform Roboflow dan dikonversi ke format TensorFlow agarkompatibel dengan perangkat edge. Raspberry Pi 4 digunakansebagai pengendali utama untuk sensor dan aktuator, sertaterhubung ke server lokal melalui integrasi Cloudflare Tunnelguna menyediakan akses website secara aman. Sensor loadcelldan ultrasonik digunakan untuk mendeteksi berat pakan danketersediaan pakan, sedangkan motor stepper mengatur prosesdistribusi pakan baik secara otomatis maupun manual. Sistemdapat dikendalikan dan dipantau dari jarak jauh melaluiantarmuka web dan notifikasi Telegram. Hasil pengujianmenunjukkan akurasi loadcell sebesar 97,16%, sensorultrasonik 98,28%, akurasi pemberian pakan otomatis 91,92%,manual 89,13%, dan akurasi deteksi kucing 95%. Websitememiliki waktu connect time rata-rata 109,2 ms, notifikasiTelegram 3,4 ms, dan latency akses ke server lokal sebesar 373,6ms. Sistem ini menunjukkan performa yang andal dalampengelolaan pakan kucing secara selektif dan efisien melaluiintegrasi teknologi IoT dan AI.Kata kunci — AI, Cloudflare Tunnel, IoT, Raspberry Pi 4,YOLOv11

Otomatisasi Sistem Pakan Kucing Berbasis Iot Untuk Pengaturan Porsi Pakan Dan Monitoring Secara Realtime Cornelius, Yuwan; Zetta Maulana, Yulian; Hanni Pradana, Zein
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Perkembangan teknologi Internet of Things(IoT) dan Artificial Intelligence (AI) mendorongterciptanya sistem otomatisasi cerdas dan responsif.Penelitian ini mengusulkan sistem pakan kucing otomatisberbasis IoT dan AI yang dirancang untuk mengatasipermasalahan keterbatasan waktu pemilik hewan dalammemberi pakan secara teratur. Sistem menggunakanYOLOv11 untuk mendeteksi kucing secara real-timemelalui webcam, sehingga hanya kucing teridentifikasiyang dapat menerima pakan. Model AI dilatihmenggunakan platform Roboflow dan dikonversi keformat TensorFlow agar kompatibel dengan perangkatedge. Raspberry Pi 4 digunakan sebagai pengendali utamauntuk sensor dan aktuator, serta terhubung ke serverlokal melalui integrasi Cloudflare Tunnel gunamenyediakan akses website secara aman. Sensor loadcelldan ultrasonik digunakan untuk mendeteksi berat pakandan ketersediaan pakan, sedangkan motor steppermengatur proses distribusi pakan baik secara otomatismaupun manual. Sistem dapat dikendalikan dandipantau dari jarak jauh melalui antarmuka web dannotifikasi Telegram. Hasil pengujian menunjukkanakurasi loadcell sebesar 97,16%, sensor ultrasonik98,28%, akurasi pemberian pakan otomatis 91,92%,manual 89,13%, dan akurasi deteksi kucing 95%. Websitememiliki waktu connect time rata-rata 109,2 ms,notifikasi Telegram 3,4 ms, dan latency akses ke serverlokal sebesar 373,6 ms. Sistem ini menunjukkan performayang andal dalam pengelolaan pakan kucing secaraselektif dan efisien melalui integrasi teknologi IoT dan AI.Kata kunci — AI, Cloudflare Tunnel, IoT, Raspberry Pi4, YOLOv11

Desain Dan Implementasi Teknologi Iot Untuk Optimalisasi Budidaya Jamur Enoki Di Lingkungan Perkotaan Husaini, M. Arif; Hanni Pradana, Zein; Aly Afandi, Mas
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

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

Jamur enoki (Flammulina velutipes) merupakantanaman yang termasuk dalam kingdom Fungi, divisiBasidiomycota, kelas Agaricomycetes, ordo Agaricales, danfamili Physalacriaceae. Dalam budidaya Jamur enokiterdapat beberapa fase dimulai dari fase pemijahan dimanamiselium dari bibit yang diinokulasi mulai mengkolonisasisubtrat baru, fase batang tubuh jamur mulai terbentuk, fasepembuahan dan terakhir fase panen. Indonesia memilikikekayaan Sumber daya alam yang besar dan berpotensiuntuk pengembangan budidaya jamur. Namun, potensitersebut masih terhambat oleh kondisi suhu rata-rata diIndonesia yang kurang mendukung, Budidaya jamur enokimemerlukan kondisi lingkungan yang spesifik, yaitu suhurendah dan kelembapan tinggi, yang sering kali menjaditantangan di berbagai daerah, termasuk di Jakarta. Jakarta,sebagai ibu kota Indonesia, memiliki iklim tropis dengan suhuyang relatif tinggi dan kelembapan yang tidak cukup untukmendukung pertumbuhan optimal jamur enoki. Kondisi inimenyebabkan tantangan besar bagi para petani yang inginmembudidayakan jamur enoki di wilayah ini. Dalam prosesbudidayanya, jamur enoki membutuhkan suhu yang idealberkisar antara 10- 16 °C, kelembapan yang tinggi sekitar 90-95%, dan intensitas cahaya 20-50 lux agar dapat tumbuhdengan optimal. Meskipun demikian, solusi yang dapatmembantu mengatasi kendala tersebut dengan penggunaanteknologi Internet of Things (iot) dalam sistem budidaya.Dalam tugas akhir ini, telah dirancang sebuah alat yangberfungsi untuk melakukan pemantauan dan pengendalianotomatis secara realtime menggunakan teknologi Internet ofThings (iot). Alat ini mengintegrasikan sensor kelembapandan suhu udara DHT11, sensor intensitas cahaya BH1750,serta nodemcu sebagai mikrokontroler. Hasil pengukuranakan dikirimkan ke database firebase. Selain itu, sistem inijuga dilengkapi dengan pompa air DC yang terhubung kenozzle sprayer untuk menjaga kelembapan di kumbung jamurenoki.Kata Kunci — Jamur enoki, Internet of Things, Kelembaban,Suhu, Intensitas cahaya

Sistem Deteksi Gejala Hipoksia Berdasarkan Kadar Oksigen Dan Detak Jantung Berbasis IOT Secara Real Time Mahardika; Hanni Pradana, Zein; Hikmah, Irmayatul
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

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

Hipoksia adalah kondisi berbahaya yangterjadi ketika kadar oksigen dalam darah terlalu rendah,sehingga dapat mengganggu fungsi organ-organ vitalseperti otak dan jantung. Mendeteksi gejala hipoksiasecara dini sangat penting untuk mencegah terjadinyakomplikasi yang lebih serius. Penelitian ini bertujuanuntuk merancang dan menerapkan sistem deteksi gejalahipoksia berbasis Internet of Things (IoT) secara realtime. Sistem ini menggunakan sensor MAX30100 untukmengukur kadar oksigen (SpO₂) serta detak jantung.Data yang dihasilkan dikirim ke aplikasi Blynk melaluimikrokontroler ESP8266, sehingga pengguna dapatmemantau kondisi kesehatannya langsung darismartphone. Sistem ini juga dilakukan uji coba denganWireshark untuk mengevaluasi kinerja jaringan,termasuk analisis terkait delay, jitter, dan packet loss.Hasil uji coba menunjukkan bahwa sistem mampumendeteksi perubahan kadar oksigen dan detak jantungdengan akurasi tinggi dan mengirim data secara real-timedengan delay yang rendah. Sistem ini diharapkan dapatmembantu pengguna memantau kondisi tubuh secaramandiri serta memberikan peringatan dini bila terjadigejala hipoksia. Hasil uji coba juga menunjukkan bahwasistem mampu mendeteksi kadar oksigen dan detakjantung dengan tingkat akurasi yang baik, dengan ratarata error pada pengukuran detak jantung (BPM) sebesar4,8% dan pada pengukuran kadar oksigen (SpO₂) sebesar2,5%.Kata kunci— Hipoksia, IoT, ESP8266, MAX30100, Blynk,Detak Jantung, Saturasi Oksigen

Sistem Deteksi Gejala Hipoksia Berdasarkan Kadar Oksigen Dan Detak Jantung Berbasis IOT Secara Real Time Talenta Pasaribu, Tabitha; Hanni Pradana, Zein; Hikmah, Irmayatul
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

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

Hipoksia adalah kondisi berbahaya yangterjadi ketika kadar oksigen dalam darah terlalu rendah,sehingga dapat mengganggu fungsi organ-organ vitalseperti otak dan jantung. Mendeteksi gejala hipoksiasecara dini sangat penting untuk mencegah terjadinyakomplikasi yang lebih serius. Penelitian ini bertujuanuntuk merancang dan menerapkan sistem deteksi gejalahipoksia berbasis Internet of Things (IoT) secara realtime. Sistem ini menggunakan sensor MAX30100 untukmengukur kadar oksigen (SpO₂) serta detak jantung.Data yang dihasilkan dikirim ke aplikasi Blynk melaluimikrokontroler ESP8266, sehingga pengguna dapatmemantau kondisi kesehatannya langsung darismartphone. Sistem ini juga dilakukan uji coba denganWireshark untuk mengevaluasi kinerja jaringan,termasuk analisis terkait delay, jitter, dan packet loss.Hasil uji coba menunjukkan bahwa sistem mampumendeteksi perubahan kadar oksigen dan detak jantungdengan akurasi tinggi dan mengirim data secara real-timedengan delay yang rendah. Sistem ini diharapkan dapatmembantu pengguna memantau kondisi tubuh secaramandiri serta memberikan peringatan dini bila terjadigejala hipoksia. Hasil uji coba juga menunjukkan bahwasistem mampu mendeteksi kadar oksigen dan detakjantung dengan tingkat akurasi yang baik, dengan ratarata error pada pengukuran detak jantung (BPM) sebesar4,8% dan pada pengukuran kadar oksigen (SpO₂) sebesar2,5%.Kata kunci— Hipoksia, IoT, ESP8266, MAX30100, Blynk,Detak Jantung, Saturasi Oksigen

Sistem Deteksi Gejala Hipoksia Berdasarkan Kadar Oksigen Dan Detak Jantung Berbasis IOT Secara Real Time Rizky Ramadhan, Raffi; Hanni Pradana, Zein; Hikmah, Irmayatul
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

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

Hipoksia adalah kondisi berbahaya yangterjadi ketika kadar oksigen dalam darah terlalu rendah,sehingga dapat mengganggu fungsi organ-organ vitalseperti otak dan jantung. Mendeteksi gejala hipoksiasecara dini sangat penting untuk mencegah terjadinyakomplikasi yang lebih serius. Penelitian ini bertujuanuntuk merancang dan menerapkan sistem deteksi gejalahipoksia berbasis Internet of Things (IoT) secara realtime. Sistem ini menggunakan sensor MAX30100 untukmengukur kadar oksigen (SpO₂) serta detak jantung.Data yang dihasilkan dikirim ke aplikasi Blynk melaluimikrokontroler ESP8266, sehingga pengguna dapatmemantau kondisi kesehatannya langsung darismartphone. Sistem ini juga dilakukan uji coba denganWireshark untuk mengevaluasi kinerja jaringan,termasuk analisis terkait delay, jitter, dan packet loss.Hasil uji coba menunjukkan bahwa sistem mampumendeteksi perubahan kadar oksigen dan detak jantungdengan akurasi tinggi dan mengirim data secara real-timedengan delay yang rendah. Sistem ini diharapkan dapatmembantu pengguna memantau kondisi tubuh secaramandiri serta memberikan peringatan dini bila terjadigejala hipoksia. Hasil uji coba juga menunjukkan bahwasistem mampu mendeteksi kadar oksigen dan detakjantung dengan tingkat akurasi yang baik, dengan ratarata error pada pengukuran detak jantung (BPM) sebesar4,8% dan pada pengukuran kadar oksigen (SpO₂) sebesar2,5%.Kata kunci— Hipoksia, IoT, ESP8266, MAX30100, Blynk,Detak Jantung, Saturasi Oksigen.

Title

Found 11 Documents
Search
Journal : eProceedings of Engineering

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 11 Documents Search Journal : eProceedings of Engineering

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 11 Documents
Search
Journal : eProceedings of Engineering