Article Per Year (5 Year)
p-Index From 2021 - 2026
3.681
P-Index
This Author published in this journals
All Journal Jurnal Mahasiswa TEUB
Rahmadwati, n/a
Unknown Affiliation
Education

Published : 24 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 24 Documents
Search

 1   2   3 
APLIKASI KONTROL PI UNTUK PENGATURAN SUDUT MOTOR SERVO PADA ALAT STERILISASI PINTU MENGGUNAKAN UV-C Mahendra, Ghufron Zidan; Rahmadwati, n/a; Purnomowati, Endah Budi
Jurnal Mahasiswa TEUB Vol. 13 No. 6 (2025)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Sterilisasi adalah suatu proses yang sangatpenting dalam menjaga kebersihan dan kesehatanlingkungan, terutama dalam mengurangi risikopenyebaran infeksi dan penyakit yang disebabkan olehkuman dan mikroorganisme patogen. Sterilisasi dapatdilakukan dengan berbagai metode, termasukpenggunaan bahan kimia seperti sanitizer, atau denganmenggunakan teknologi seperti sinar UV-C. Penelitianini ditujukan agar mempermudah proses sterilisasipada handle pintu. Alat ini akan secara otomatismelakukan sterilisasi pada handle pintu secara terusmenerus agar efektivitas sterilisasinya efektifmembunuh bakteri, virus, dan spora bakteri. Salahsatu bagian yang perlu dikendalikan adalah putaranlengan arm sebagai alat sterilisasi handle pintu.Penelitian ini membahas tentang pengendalian sudutmotor servo sebagai kendali sudut arm yang terpasangpada alat sterilisasi pintu yang bertujuan untukmendapatkan nilai parameter kontroler PI (?? , ??)yang sesuai sehingga menghasilkan respon sistem yangdiinginkan dan menampilkan performansi dari sistemkendali sudut motor servo. Berdasarkan pengujiankontroler PI yang telah diimplementasikan pada motorservo dan software Simulink menghasilkan responsistem menjadi lebih baik.Kata kunci— Sterilisasi Handle Pintu, UVC, MotorServo, Kontroler PI 
RANCANG BANGUN ALAT BANTU NAVIGASI BAGI PENYANDANG TUNANETRA MENGGUNAKAN ESP CAM DAN SENSOR TOF DENGAN METODE IMAGE PROCESSING Kurniawan, Beni; Nurussa’adah, n/a; Rahmadwati, n/a
Jurnal Mahasiswa TEUB Vol. 12 No. 6 (2024)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

The sense of vision plays a crucial role in daily activities, with 80-85% of information being received through sight. Visually impaired individuals face challenges in mobility and accessing information, particularly because aids such as canes cannot effectively detect or classify objects. According to data from WHO (2019) and the Indonesian Ministry of Health (2018), millions of people worldwide, including in Indonesia, experience visual impairments. This study designs a navigation aid for visually impaired individuals using an ESP Cam and a ToF sensor integrated with an ESP32-S3 microcontroller to detect and classify objects around the user. Testing results show high detection accuracy for backgrounds (99%) and stairs (100%), but improvements are needed for detecting humans (33.3%) and chairs (25%). The ToF sensor successfully detected distances with a low average error (0.1 cm) and a small standard deviation (0.78 cm), making the device reliable in supporting the mobility of visually impaired individuals.Keywords: Visually Impaired, Assistive Device, ESP Cam, ToF Sensor, Image Processing
RANCANG BANGUN SISTEM DETEKSI DINI PENYAKIT JANUTNG KORONER SECARA NON-INVASIVE BERBASIS FUZZY LOGIC TERINTEGRASI INTERNET OF THINGS Wildan, Muhammad Adyan; Maulana, Eka; Rahmadwati, n/a
Jurnal Mahasiswa TEUB Vol. 13 No. 7 (2025)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Penyakit jantung koroner (PJK) merupakan gangguan pada jantung dan pembuluh darah yangdisebabkan oleh penebalan dinding arteri koroner akibat penumpukan plak lemak, sehinggamenghambat aliran darah menuju otot jantung. Faktor risiko PJK terbagi menjadi dua, yaitufaktor yang dapat diubah seperti, hipertensi, hiperkolesterolemia, kurangnya aktivitas fisik,kelebihan berat badan, dan merokok, serta faktor risiko yang tidak dapat diubah yaitu usia,jenis kelamin, dan riwayat keluarga. PJK sering tidak menimbulkan gejala pada tahap awal,sehingga banyak penderita tidak menyadari kondisinya. Berdasarkan permasalahan tersebut,dikembangkan sistem deteksi dini faktor risiko PJK secara non-invasive berbasis fuzzy logicterintegrasi Internet of Things. Perangkat dapat mengklasifikasikan resiko terkena PJKberdasarkan parameter tekanan darah dan kadar kolesterol. Pengujian dilakukan denganmembandingkan hasil prototipe dengan alat kesehatan terstandarisasi, dimana tensimeteruntuk parameter tekanan darah dan glukometer untuk paramater kadar kolesterol. Hasilpengujian menunjukkan tingkat error masing-masing sebesar 3,57% dan 3,17%. Ujikonektivitas menunjukkan waktu rata-rata pengiriman data dari alat ke aplikasi monitoringsebesar 1,04 detik. Selain itu, hasil keluaran klasifikasi aplikasi monitoring menunjukkanakurasi 100% yang dibandingkan dengan klasifikasi MATLAB. Dengan demikian, sistemyang dikembangkan menunjukan kinerja yang baik dalam deteksi dini risiko PJK secara noninvasive dan real-time.Kata kunci: Penyakit Jantung Koroner, Non-Invasive, Internet of Things
RANCANG BANGUN SISTEM KLASIFIKASI TINGKAT STRES BERBASIS FUZZY LOGIC TERINTEGRASI INTERNET OF THINGS Alamanda, Muthi’ah; Maulana, Eka; Rahmadwati, n/a
Jurnal Mahasiswa TEUB Vol. 13 No. 7 (2025)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Stres adalah suatu kondisi dimana seseorang merasakan sebuah tekanan atau tuntutan yang besar biasanya berasal dari diri sendiri atau pengaruh lingkungan sekitar. Setiap individu memiliki sumber stres yang berbeda, salah satunya adalah stres yang disebabkan oleh aktivitas fisik atau beban kerja yang berat secara fisik. Ketidakmampuan dalam mengelola stres bisa berdampak negatif pada kesehatan fisik, dan kesehatan psikologis individu. Dokter Spesialis dan Konsultan Kedokteran Jiwa FKIK UMY, menekankan bahwa stres dapat diminimalisir dan dikenali melalui pemantauan kondisi yang tepat. Pemantauan dapat dilakukan dengan mengetahui tingkat stres individu secara berkala. Dengan mengetahui tingkat stres yang dialami seseorang dapat dilakukan pencegahan lebih cepat dan tepat sehingga mencegah terjadinya stres berkepanjangan. Untuk mendukung hal tersebut, dikembangkan Stress Classification Device, yaitu perangkat yang berfungsi untuk mengklasifikasikan tingkat stres melalui deteksi tekanan darah dan detak jantung dengan metode fuzzy logic, serta terintegrasi dengan Internet of Things (IoT). Hasil pengujian menunjukkan bahwa perangkat memiliki persentase error sebesar 3,57% untuk tekanan darahdan 3,76% untuk detak jantung. Pengujian pengiriman data melalui komunikasi Bluetooth menunjukkan rata-rata waktu pengiriman sebesar 1,05 detik. Selain itu, hasil klasifikasi pada aplikasi Kodular menunjukkan tingkat kesesuaian 100% dibandingkan dengan hasil klasifikasi pada perangkat lunak MATLAB, yang menunjukan bahwa sistem klasifikasibekerja secara akurat dan konsisten. Kata kunci: Stres, Fuzzy Logic, Internet of Things, Tekanan Darah, Detak Jantung
Simulasi Pengendalian State Feedback pada Spray Chamber Gas Cleaning Treatment Pabrik Ferronikel PT Aneka Tambang Tbk Kinanti, Nadindra Safadania; Rahmadwati, n/a; Muslim, Muhammad Aziz
Jurnal Mahasiswa TEUB Vol. 14 No. 2 (2026)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Spray chamber pada sistem Gas Cleaning Treatment (GCT) pabrik ferronikel memiliki peran krusial untuk menurunkan temperatur gas buang panas dari electric furnace pada kisaran 760-850°C menjadi sekitar 290-300°C sebelum dialirkan ke baghouse. Pada praktiknya, pengendalian  temperatur spray chamber saat ini masih menggunakan kendali Proporsional-Integral (PI) konvensional yang memiliki keterbatasan ketika  dihadapkan pada perubahan kondisi operasi atau gangguan beban. Keterbatasan ini dapat memicu terjadinya overshoot temperatur, respons  transien yang lambat, serta fluktuasi temperatur yang berpotensi mempercepat degradasi peralatan. Penelitian ini bertujuan untuk  memodelkan sistem spray chamber pada GCT 2 PT ANTAM Tbk dan  merancang sistem kendali berbasis state feedback gain untuk  memperbaiki respons sistem. Perancangan penguatan keadaan dilakukan  melalui metode pole placement untuk mengatur karakteristik kecepatan  respon dan kestabilan, serta dikombinasikan dengan reference input gain  untuk memastikan keluaran sistem mencapai set point tanpa error steady- state. Simulasi pengujian dilakukan menggunakan perangkat lunak  MATLAB dengan membandingkan kinerja state feedback, PI eksisting, dan  PID metode Ziegler-Nichols. Hasil simulasi menunjukkan bahwa kendali  state feedback gain menghasilkan performa paling seimbang dan sesuai  kebutuhan fisik sistem dengan rise time sebesar 103,13 detik, settling time  sebesar 184,34 detik, dan tanpa overshoot. Saat diuji dengan gangguan  beban suhu sebesar 30°C, kendali state feedback menunjukkan  kemampuan penolakan gangguan (disturbance rejection) yang sangat baik dengan waktu pemulihan sekitar 200 detik, di mana sistem kendali lainnya  mengalami offset steady-state permanen. Kata kunci: Spray Chamber, Gas  Cleaning Treatment, State Feedback, Pengendalian Temperatur, Pole  Placement. 
Task Offloading Adaptif dan Pembagian Sumber Daya dalam Jaringan Cloud-Edge Menggunakan Deep Reinforcement Learning Khoyudia, William; Kuswiradyo, Primatar; Rahmadwati, n/a
Jurnal Mahasiswa TEUB Vol. 14 No. 3 (2026)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Proliferasi perangkat Internet of Things (IoT) dan kemajuan perangkat seluler cerdas menghasilkan lonjakan permintaan aplikasi seluler yang padat komputasi dan sensitif terhadap latensi, seperti Augmented Reality, pemrosesan industri real-time, dan kota pintar. Arsitektur komputasi awan tradisional yang tersentralisasi tidak lagi memadai untuk memenuhi persyaratan tersebut, karena jarak geografis yang jauh dari pengguna akhir menimbulkan latensi dan konsumsi energi yang tinggi. Makalah ini mengusulkan kerangka pengambilan keputusan berbasis Deep Reinforcement Learning untuk masalah task offloading adaptif dan pembagian sumber daya dalam jaringan cloud-edge dua tingkat. Jaringan dimodelkan dengan satu node cloud berkapasitas tinggi dan beberapa node edge berlatensi rendah yang terhubung secara vertikal maupun horizontal, dengan latensi komputasi dan komunikasi dimodelkan menggunakan teori antrian M/M/1. Masalah minimasi latensi rata-rata sistem diformulasikan sebagai Markov Decision Process dengan ruang aksi kontinu yang mencakup fraksi offloading beban kerja antar node dan jumlah server aktif. Kami mengusulkan algoritma Twin Delayed Deep Deterministic Policy Gradient yang diperluas dengan mekanisme warm-up Weighted Action, yang memandu eksplorasi awal berdasarkan kapasitas node guna menghasilkan transisi berkualitas lebih tinggi dalam replay buffer dan mempercepat konvergensi. Sebagai pembanding, Simulated Annealing diimplementasikan sebagai baseline mendekati optimal. Pendekatan yang diusulkan mempelajari kebijakan offloading mendekati optimal secara online tanpa memerlukan pengetahuan eksplisit tentang statistik sistem, sekaligus mempertahankan kepatuhan terhadap batasan kapasitas dan latensi yang ditetapkan. Index Terms—Deep Reinforcement Learning, Jaringan Cloud-Edge, Mobile Edge Computing, Task Offloading, Optimasi Latensi, Pembagian Sumber Daya
ANALISIS KINERJA METODE AUGMENTASI DATA BERBASIS GENERATIVE ADVERSARIAL NETWORK PADA SINYAL CARDIOTOCOGRAPHY Septian, Achmad Fauzi Dwi; Rahmadwati, n/a; Mudjirahardjo, Panca
Jurnal Mahasiswa TEUB Vol. 13 No. 7 (2025)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Interpretasi sinyal Cardiotocography (CTG) untukmendeteksi kondisi patologis janin sangat bergantung padakeahlian klinisi, sehingga rentan terhadap subjektivitas danvariabilitas antar pengamat. Permasalahan ini menimbulkankebutuhan akan sistem klasifikasi otomatis berbasis kecerdasanbuatan yang dapat membantu pengambilan keputusan secaraobjektif dan konsisten. Namun, pengembangan sistem tersebutmenghadapi tantangan berupa ketidakseimbangan distribusidata, di mana kasus normal lebih banyak dibandingkan kasusabnormal, sehingga model pembelajaran mesin cenderung biasterhadap kelas mayoritas. Untuk mengatasi hal tersebut,penelitian ini mengusulkan pendekatan Generative AdversarialNetwork (GAN) guna menyintesis sinyal Fetal Heart Rate (FHR)pada kelas minoritas. Dua arsitektur GAN, yaitu CTGGAN danFHRGAN, dibandingkan kinerjanya menggunakan datasetCTU-UHB yang terdiri atas 552 sampel FHR. Evaluasi kondisiFHR menggunakan pH darah tali pusat sebagai surogat klinisutama karena sifatnya yang objektif dan terukur, pengujiandilakukan pada dua ambang pH (<7,15 dan <7,20) untukmenilai pengaruh variasi tingkat asidosis danketidakseimbangan data terhadap performa klasifikasi.Kualitas data sintetik dievaluasi menggunakan metrik RelativeEntropy (RE) dan Fréchet Distance (FD), FHRGANmenunjukkan keunggulan pada nilai RE (FHRGAN 2,44 vsCTGGAN 7,47), CTGGAN unggul pada nilai FD (CTGGAN0,61 vs 0,73 FHRGAN). Integrasi data sintetik pada enamarsitektur Convolutional Neural Network (CNN) terbuktimeningkatkan sensitivitas deteksi kasus abnormal dan F1-scoremacro, misalnya pada DenseNet201, F1-score macro meningkatdari 52,92% menjadi 58,27%. Hasil penelitian ini menunjukkanbahwa pendekatan augmentasi data berbasis GAN efektif untukmeningkatkan kinerja klasifikasi CTG dan menunjukkanpotensi sebagai dasar pengembangan sistem pendukungkeputusan klinis yang memerlukan validasi dan uji klinissebelum dapat diimplementasikan sebagai solusi praktik.Kata kunci: Fetal Heart Rate, Cardiotocography,Generative Adversarial Network, Augmentasi Data,Imbalanced Dataset, Convolutional Neural Network. 
ANALISIS STRATEGI OVERSAMPLING UNTUK MENINGKATKAN DETEKSISERANGAN DENIAL OF SERVICE PADA WIRELESS SENSOR NETWORKS Erassunu, Gilang Banyu Biru; Rahmadwati, n/a; Razak, Angger Abdul
Jurnal Mahasiswa TEUB Vol. 14 No. 2 (2026)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Penelitian ini bertujuan mengembangkan dan mengevaluasi strategi  oversampling untuk mengatasi ketidakseimbangan kelas pada dataset  WSN-DS guna meningkatkan performa Intrusion Detection System (IDS) berbasis machine learning pada Wireless Sensor Networks (WSN). Empat metode oversampling, yakni Borderline SMOTE, SMOTE-ENN, Conservative-SMOTE, dan ADASYN, diterapkan pada data pelatihan dan dikombinasikan dengan empat algoritma klasifikasi: random forest, gradient boosting, histogram gradient boosting, dan extra trees. Evaluasi kualitas data sintetis dilakukan melalui uji Kolmogorov–Smirnov (KS), Jensen–Shannon Divergence (JSD), dan preservasi korelasi. Hasil menunjukkan bahwa  SMOTE-ENN dan Conservative-SMOTE menghasilkan data sintetis dengan  kemiripan distribusi tertinggi terhadap data asli, masing-masing dengan  nilai KS sebesar 0,037 dan 0,0379. Dari sisi performa klasifikasi, kombinasi  gradient boosting dengan Conservative-SMOTE memberikan hasil optimal  dengan akurasi 99,64%, F1-score 99,64%, dan AUC ROC 0,9974. Hasil ini melampaui penelitian terdahulu yang mencapai akurasi 98,52%  menggunakan ANN. Estimasi waktu inferensi dengan menghitung static  cycle pada mikrokontroler ARM Cortex-M4F menunjukkan latensi 0,132 ms  untuk model terbaik, memvalidasi kelayakan implementasi pada perangkat WSN dengan sumber daya terbatas. Kata kunci: oversampling, wireless sensor networks, intrusion detection  system, machine learning
PERANCANGAN SISTEM KONTROL SUHU DAN KELEMBAPAN BERBASIS LOGIKA FUZZY FEEDBACK – FEEDFORWARD PADA MESIN PENETAS TELUR Sakina, Nayla Balqis; Rusli, Moch.; Rahmadwati, n/a
Jurnal Mahasiswa TEUB Vol. 14 No. 4 (2026)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Tingkat keberhasilan penetasan telur secara konvensional yang hanya berkisar 50–60% menjadi tantangan tersendiri bagi peternak skala UMKM, terutama akibat ketidakmampuan menjaga kestabilan suhu dan kelembapan di tengah fluktuasi iklim tropis yang dapat mencapai 8 – 12°C per hari. Mesin penetas telur komersial yang umum digunakan masih mengandalkan kontrol on-off dengan osilasi suhu tinggi atau PID yang performanya menurun pada sistem termal nonlinier, sementara kontrol fuzzy feedback konvensional baru bereaksi setelah penyimpangan suhu terjadi. Penelitian ini merancang sistem kontrol suhu dan kelembapan mesin penetas telur berbasis logika fuzzy metode Mamdani dengan arsitektur hybrid feedback–feedforward untuk suhu dan fuzzy feedback untuk kelembapan berbasis mikrokontroler ESP32. Sensor DHT22 eksternal mendeteksi gangguan suhu lingkungan secara antisipatif sebelum berdampak pada suhu internal, sementara sensor internal mengoreksi penyimpangan terhadap setpoint 37°C dan 58% RH melalui pengaturan daya lampu pijar via AC light dimmer dan kecepatan kipas via driver L298N. Hasil pengujian menunjukkan algoritma fuzzy yang berjalan pada ESP32 konsisten dengan simulasi MATLAB, dengan selisih keluaran di bawah 1%. Sistem berhasil mencapai kondisi stabil dengan settling time 910 detik dan overshoot 0,324% untuk suhu serta 1090 detik dan 1,034% untuk kelembapan. Pada kondisi steady state, suhu dan kelembapan masing-masing terjaga pada 36,52 – 37,12°C dan 57,60 – 58,66% RH. Saat diberi gangguan pembukaan pintu, sistem mampu memulihkan suhu dalam 330 detik dan kelembapan dalam 295 detik tanpa melampaui batas kritis suhu 38°C. Hasil ini membuktikan bahwa arsitektur fuzzy hybrid feedback–feedforward mampu menjaga kestabilan iklim mikro penetasan secara kokoh (robust) terhadap gangguan mendadak, sekaligus menawarkan alternatif solusi kontrol presisi tinggi yang terjangkau bagi peternak skala UMKM.Kata Kunci—Fuzzy, Suhu, Kelembapan, Feedforward.  
Sistem Deteksi Tuberkulosis Berbasis CNN Teroptimasi Algoritma Genetika pada Raspberry Pi 5 Silaban, Antonio Lorensius; Aswin, Muhammad; Rahmadwati, n/a
Jurnal Mahasiswa TEUB Vol. 14 No. 5 (2026)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Tuberkulosis (TB) masih menjadi masalah kesehatan global yang besar, dan interpretasi citra X-ray dada masih sangat bergantung pada ahli radiologi yang jumlahnya terbatas, sementara lesi awal yang halus mudah terlewat. Penelitian ini mengembangkan sistem deteksi tuberkulosis berbasis Convolutional Neural Network (CNN) yang hiperparameternya dioptimasi secara sistematis menggunakan Algoritma Genetika (GA), kemudian dikompresi dengan Post-Training Quantization INT8 untuk diimplementasikan pada edge device Raspberry Pi 5. Model CNN dilatih menggunakan 1.600 citra X-ray dada (TBX11K) yang dibagi menjadi data latih, validasi, dan uji. GA dengan populasi sepuluh individu mencari learning rate, jumlah filter, batch size, dan optimizer secara bersamaan. Sistem CNN+GA mencapai akurasi uji 98,75% dengan AUC 0,9952, setara dengan pencarian manual One-Factor-at-a-Time namun diperoleh secara sistematis. Kuantisasi INT8 mengurangi ukuran model sebesar 75% (menjadi 3,63 MB) tanpa penurunan akurasi, dan studi pruning mengonfirmasi INT8 sebagai titik kompresi optimal. Pada Raspberry Pi 5, model INT8 mencapai waktu inferensi 2,237 ms per citra (2,86× lebih cepat dari Float32) dengan penggunaan RAM hanya 7,70 MB, serta diintegrasikan ke antarmuka web Flask. Hasil menunjukkan sistem layak sebagai detektor tuberkulosis real-time berbasis edge.  Kata Kunci— algoritma genetika, convolutional neural network, deteksi tuberkulosis, edge computing, kuantisasi INT8, Raspberry Pi. 
Co-Authors Abda Abda Abrar, Hilmi Mukhlas Airlangga, Daniar Putri Akhmad Zainuri Alamanda, Muthi’ah Angger Abdul Razak Arbanu, Caroline Devina Baehaqi Chia, Alex Edward, Ronald Endah Budi Purnomowati Erassunu, Gilang Banyu Biru Erni Yudaningtyas Fakhrudin, Muhammad Naufal Firmansyah, Vicky Imran, Azzam Zhafran Khoyudia, William Kinanti, Nadindra Safadania Kurniawan, Beni Kusuma, Yobel Fernando Ilianto Kuswiradyo, Primatar Lumbantoruan, Natalia Mahendra, Ghufron Zidan Maulana, Eka Maulana, Eka Mediyanto, Ralfie Mirza Moch Rusli Mudjirahardjo, Panca Muhammad Aswin Muhammad Aziz Muslim Muhammad Fajri Nurussa’adah, n/a Onny Setyawati Pradana, David Ardhan Rauf, Daru Adiyatma Sakina, Nayla Balqis Septian, Achmad Fauzi Dwi Silaban, Antonio Lorensius Siswojo, Bambang Wildan, Muhammad Adyan Zafira, Neila Zaidan, Hazm