Article Per Year (5 Year)
p-Index From 2020 - 2025
0.817
P-Index
This Author published in this journals
All Journal Jurnal Sistem dan Informatika INSANtek – Jurnal Inovasi dan Sains Teknik Elektro MATRIX : JURNAL MANAJEMEN TEKNOLOGI DAN INFORMATIKA
Astari, Ni Made Ayu Juli
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Pengumpulan Data Suhu dan Kelembapan Ruangan Menggunakan Embedded System Berbasis IoT Astari, Ni Made Ayu Juli; Ardiyasa, I Wayan; Gautama, I Made Bhaskara; Susiriyanti, Putu
INSANtek Vol 4 No 2 (2023): November 2023
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/insantek.v4i2.2387

Abstract

Ruangan kerja perlu dibuat nyaman untuk meningkatkan produktivitas staf. Salah satu aspek kenyamanan adalah suhu ruangan. Suhu ruangan yang terjaga yaitu tidak terlalu gerah dan tidak terlalu dingin dapat meningkatkan kenyamanan penghuninya sehingga staf menjadi lebih produktif. Alat yang digunakan untuk mengatur suhu ruangan, salah satunya adalah Air Conditioner (AC). Namun, suhu yang diatur pada AC tidak sama dengan suhu aktual di ruangan tersebut. Suhu pada ruangan dipengaruhi oleh tenaga AC, luas ruangan, jumlah penghuni, dan suhu di luar ruangan. Pengaturan suhu AC yang tepat menjadi permasalahan karena ruangan bisa saja masih panas atau terlalu dingin. Untuk mengatasi hal ini, pada umumnya dilakukan trial and error sehingga suhu AC diganti berulang kali hingga tercapainya suhu ruangan yang diinginkan. Berdasarkan permasalahan tersebut, menentukan suhu AC yang tepat dapat dilakukan dengan membangun sistem prediksi yang menerapkan machine learning. Namun, sebelum sistem prediksi dapat diterapkan, dibutuhkan data untuk proses training. Penelitian ini dilakukan untuk membuat alat yang dapat mengumpulkan data tersebut secara otomatis dan konsisten. Alat yang dibuat adalah alat dengan sistem tertanam (embedded system) berbasis Internet of Things (IoT). Alat yang dibuat berhasil mengumpulkan data sebanyak 4580 secara konsisten setiap lima menit.
Prediksi Suhu AC Berdasarkan Riwayat Data Suhu dan Kelembapan Udara Menggunakan Regresi Linier Berganda Astari, Ni Made Ayu Juli; Ardiyasa, I Wayan
Jurnal Sistem dan Informatika (JSI) Vol 18 No 2 (2024): Jurnal Sistem dan Informatika (JSI)
Publisher : Direktorat Penelitian,Pengabdian Masyarakat dan HKI - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/jsi.v18i2.608

Abstract

Kondisi dalam ruangan memiliki dampak besar terhadap kenyamanan penghuni, termasuk di ruang kerja, ruang istirahat, atau kamar tidur. Faktor-faktor seperti pencahayaan, suhu, kelembaban, sirkulasi udara, kebisingan, getaran mesin, aroma, tata warna, dekorasi, musik, dan keamanan berperan penting dalam menciptakan lingkungan yang ideal. Di Indonesia, khususnya, suhu ruangan menjadi perhatian utama karena berada di zona tropis dengan tingkat kelembapan yang tinggi. Alat yang sering digunakan untuk mengatur suhu ruangan adalah AC. Untuk mengatasi hal ini, pengaturan suhu atau penggunaan AC diperlukan untuk mencapai kondisi ruangan yang optimal. Namun penentuan suhu yang ideal tidak selalu mencerminkan suhu aktual di ruangan karena banyak faktor yang memengaruhi. Oleh karena itu, diperlukan sistem yang mampu memprediksi suhu AC untuk menjaga stabilitas suhu ruangan dan mengoptimalkan penggunaan energi. Penelitian ini melakukan prediksi suhu AC menggunakan regresi linier berganda. Berdasarkan model regresi yang dibentuk, prediksi suhu AC berhasil dilakukan yang dievaluasi menggunakan metrik MAPE dengan nilai sebesar 4.33%.
Lightweight CNN with wavelet-attention for fingerprint liveness detection Dharma, I Gede Teguh Satya; Astari, Ni Made Ayu Juli
Matrix : Jurnal Manajemen Teknologi dan Informatika Vol. 15 No. 1 (2025): Matrix: Jurnal Manajemen Teknologi dan Informatika
Publisher : Unit Publikasi Ilmiah, P3M, Politeknik Negeri Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31940/matrix.v15i1.40-49

Abstract

Fingerprint authentication has been extensively employed as a biometric method in diverse applications, including smartphones and embedded systems. Despite its advantages, this technology is susceptible to spoofing attacks using materials such as gelatin, posing a significant security risk. Numerous solutions have been proposed, but deep learning-based approaches often face challenges due to their large model sizes, limiting deployment in resource-constrained environments. To address this issue, we developed a lightweight and efficient fingerprint liveness detection model by integrating wavelet-attention with inverted-bottleneck convolution. The proposed method balances computational efficiency with high accuracy, enabling its practical implementation on low-resource devices.The model was designed with only 874,000 parameters and a memory footprint of 4 MB, representing a significant reduction in size compared to conventional deep learning models. The use of wavelet-attention enhances feature extraction by focusing on multi-scale spatial details crucial for distinguishing live and spoof fingerprints. Extensive experiments were conducted on the LivDet dataset and a custom dataset, encompassing fingerprints captured from multiple sensors.The results demonstrated robust performance, achieving an average classification error (ACE) of 2.27 across various sensors, which is competitive with state-of-the-art methods. Additionally, the model exhibited consistent performance in scenarios with limited computational resources, highlighting its efficiency and scalability.These findings suggest that the proposed approach is a viable solution for enhancing the reliability of fingerprint liveness detection, particularly in applications requiring lightweight and resource-efficient models.
Pengumpulan Data Suhu dan Kelembapan Ruangan Menggunakan Embedded System Berbasis IoT Astari, Ni Made Ayu Juli; Ardiyasa, I Wayan; Gautama, I Made Bhaskara; Susiriyanti, Putu
INSANtek Vol. 4 No. 2 (2023): November 2023
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/insantek.v4i2.2387

Abstract

Ruangan kerja perlu dibuat nyaman untuk meningkatkan produktivitas staf. Salah satu aspek kenyamanan adalah suhu ruangan. Suhu ruangan yang terjaga yaitu tidak terlalu gerah dan tidak terlalu dingin dapat meningkatkan kenyamanan penghuninya sehingga staf menjadi lebih produktif. Alat yang digunakan untuk mengatur suhu ruangan, salah satunya adalah Air Conditioner (AC). Namun, suhu yang diatur pada AC tidak sama dengan suhu aktual di ruangan tersebut. Suhu pada ruangan dipengaruhi oleh tenaga AC, luas ruangan, jumlah penghuni, dan suhu di luar ruangan. Pengaturan suhu AC yang tepat menjadi permasalahan karena ruangan bisa saja masih panas atau terlalu dingin. Untuk mengatasi hal ini, pada umumnya dilakukan trial and error sehingga suhu AC diganti berulang kali hingga tercapainya suhu ruangan yang diinginkan. Berdasarkan permasalahan tersebut, menentukan suhu AC yang tepat dapat dilakukan dengan membangun sistem prediksi yang menerapkan machine learning. Namun, sebelum sistem prediksi dapat diterapkan, dibutuhkan data untuk proses training. Penelitian ini dilakukan untuk membuat alat yang dapat mengumpulkan data tersebut secara otomatis dan konsisten. Alat yang dibuat adalah alat dengan sistem tertanam (embedded system) berbasis Internet of Things (IoT). Alat yang dibuat berhasil mengumpulkan data sebanyak 4580 secara konsisten setiap lima menit.
Co-Authors Gautama, I Made Bhaskara I Gede Teguh Satya Dharma I Wayan Ardiyasa, I Wayan Susiriyanti, Putu