Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan eProceedings of Engineering
Wibisono, Adrian
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Deteksi Pulpitis Menggunakan Machine Learning Convolutional Neural Network Berbasis CNN1D dan MFCC Wibisono, Adrian; Sa’idah, Sofia; Oscandar, Fahmi
eProceedings of Engineering Vol. 11 No. 6 (2024): Desember 2024
Publisher : eProceedings of Engineering

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

Abstract

Tulisan ini membahas isu krusial dalam upaya menjaga kesehatan gigi masyarakat, khususnya yang berkaitan dengan pulpitis, sebuah kondisi peradangan pada pulpa gigi yang dapat dipengaruhi oleh beberapa variable seperti infeksi bakteri, trauma, atau kerusakan gigi. Penulis memperkenalkan sebuah solusi inovatif untuk mendeteksi dan membedakan gigi yang terkena pulpitis dari gigi yang sehat. Solusi ini diharapkan dapat membantu dokter gigi dalam proses diagnosis dan perawatan pulpitis agar lebih efektif dan juga efisien. Untuk mencapai tujuan tersebut, penulis mengembangkan sebuah sistem berbasis pembelajaran mesin yang menggunakan deteksi pulpitis melalui analisis sinyal audio. Dalam penelitian ini, model Convolutional Neural Network 1D (CNN1D) digunakan bersama dengan proses ekstraksi fitur Mel-Frequency Cepstral Coefficients (MFCC). Model CNN1D dioptimalkan menggunakan optimizer Adam dengan tingkat pembelajaran sebesar 0.001, ukuran batch 32, dan proporsi data uji sebesar 20%. Evaluasi model dilakukan dengan confusion matrix untuk menganalisis akurasi prediksi berdasarkan sinyal audio. Metode pembelajaran mesin yang diusulkan ini menunjukkan potensi besar dalam membantu tenaga kesehatan, terutama dokter gigi, untuk mendiagnosis pulpitis dengan tingkat akurasi yang tinggi, sehingga dapat meningkatkan kualitas perawatan dan hasil pengobatan bagi pasien. Kata kunci—CNN1D, Confusion matrix, Data, Ekstraksi ciri, Gigi, Machine learning, MFCC, Pulpitis.
INTEGRASI ODOO 16 DALAM PENGEMBANGAN APLIKASI ABSENSI MAHASISWA (STUDI KASUS: UNIVERSITAS SINGAPERBANGSA KARAWANG) Wibisono, Adrian; Juardi, Didi; Jamaludin, Asep
Jurnal Informatika dan Teknik Elektro Terapan Vol. 12 No. 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4822

Abstract

Dalam era perkembangan teknologi informasi, integrasi Odoo menjadi solusi inovatif untuk mengatasi tantangan dalam sistem absensi di institusi pendidikan. Universitas membutuhkan sistem manajemen yang efisien untuk mendukung kegiatan administratif dan akademis. Odoo, sebuah sistem Enterprise Resource Planning (ERP), menawarkan solusi terintegrasi untuk berbagai aspek manajemen, termasuk absensi mahasiswa. Pemilihan Odoo 16 dalam pengembangan aplikasi absensi mahasiswa bertujuan untuk meningkatkan efektivitas sistem, pengelolaan data, dan pengalaman administrasi kehadiran mahasiswa. Evaluasi dilakukan menggunakan metode analisis usability dengan lima indikator: Learnability, Memorability, Efficiency, Errors, dan Satisfaction. Penelitian ini bertujuan untuk mengintegrasikan Odoo 16 dalam pengembangan aplikasi absensi mahasiswa, mengatasi permasalahan efisiensi dan akurasi yang ada. Dampak positif dari penelitian ini adalah peningkatan pengelolaan administrasi universitas dan mendukung tujuan pendidikan dengan teknologi terkini. Dengan demikian, penelitian ini tidak hanya memecahkan masalah manajemen absensi mahasiswa, tetapi juga menghadapi tuntutan teknologi di dunia pendidikan. Keywords: Absensi, Odoo 16, Website, Usability Testing
Co-Authors Fahmi Oscandar, Fahmi Jamaludin, Asep Juardi, Didi Sa’idah, Sofia